طلب نموذج بروبيت في فوركس ستاتا

لذلك إم تحاول الدراسة لامتحان و إم غير متأكد من كيفية تفسير هذا الانحدار بروبيت ركضت على ستاتا. البيانات على موافقة القرض والأبيض هو متغير وهمية أن 1 إذا كان شخص أبيض، و 0 إذا كان الشخص لا. أي مساعدة حول كيفية قراءة هذا سيكون موضع تقدير كبير. ما إم تبحث في الغالب هو كيفية العثور على احتمال المقدرة للموافقة على القروض لكل من البيض و نونويتس. يمكن للشخص أيضا مساعدتي مع النص هنا وكيفية جعله عاديا. أنا آسف أنا لا أعرف كيفية القيام بذلك. بالنسبة إلى المتغير الأبيض: بالنسبة إلى الثابت: بشكل عام، لا يمكنك تفسير المعاملات من ناتج الانحدار بروبيت (ليس بأي طريقة قياسية، على الأقل). تحتاج إلى تفسير التأثيرات الهامشية لل ريجرسورس، أي مدى تغير (الشرطي) احتمال المتغير النتيجة عند تغيير قيمة ريجريسور، وعقد جميع ريجريسورس الأخرى ثابتة في بعض القيم. وهذا يختلف عن حالة الانحدار الخطي حيث تقوم بتفسير المعاملات المقدرة مباشرة. هذا هو الحال لأنه في حالة الانحدار الخطي، معاملات الانحدار هي الآثار الهامشية. في الانحدار بروبيت، هناك خطوة إضافية من حساب المطلوبة للحصول على الآثار الهامشية بمجرد أن تحسب الانحدار بروبيت مناسبا. نماذج الانحدار الخطي و بروبيت الانحدار بروبيت. أذكر أنه في نموذج بروبيت، كنت النمذجة (الشرطي) احتمال نتيجة ناجحة، وهذا هو، Yi1، ماثب leftYi1mid X، لدوتس، X beta0، لدوتس، بيتاكريت فاي (beta0 سوم K بيتاككس) حيث فاي (كدوت) هو دالة التوزيع التراكمي للتوزيع الطبيعي المعياري. وهذا يقول أساسا، مشروطا على الانحدارات، واحتمال أن متغير النتيجة، يي هو 1، هي وظيفة معينة من مزيج خطي من الانحدارات. الانحدارالخطي . مقارنة هذا إلى نموذج الانحدار الخطي، حيث ماثبب اليسار (ييميد X، لدوتس، X beta0، لدوتس، بيتاكريت) beta0 مجموع K بيتاككس (الشرطي) يعني النتيجة هي مزيج خطي من ريجريسورس. التأثيرات الهامشية بخلاف نموذج الانحدار الخطي، نادرا ما يكون للمعاملات أي تفسير مباشر. ونحن عادة ما تكون مهتمة بآثار ثبات باقى المتغيرات في الانحدارات التي تؤثر على سمات متغير النتيجة. هذه هي الفكرة القائلة بأن الآثار الهامشية تقيس. الانحدارالخطي . وأود الآن أن أعرف كم من متوسط ​​متغير النتيجة يتحرك عندما أتحرك أحد المتراجعين ولكن هذا هو مجرد كوفينتي الانحدار، وهو ما يعني أن التأثير الهامشي للتغير في التراجع k - ث هو مجرد معامل الانحدار . بروبيت الانحدار. ومع ذلك، فمن السهل أن نرى أن هذا ليس هو الحال بالنسبة الانحدار بروبيت فراك leftYi1mid X، لدوتس، X beta0، لدوتس، بيتاكريت بيتاكفي (beta0 سوم K بيتاككس) التي ليست هي نفسها معامل الانحدار. هذه هي الآثار الحدية لنموذج بروبيت، وكمية نحن بعد. على وجه الخصوص، وهذا يعتمد على قيم جميع الانحدارات الأخرى، ومعاملات الانحدار. هنا فاي (كدوت) هي دالة كثافة الاحتمال العادية القياسية. كيف تحسب هذه الكمية وما هي اختيارات الانحدارات الأخرى التي يجب أن تدخل هذه الصيغة. الحمد لله، يوفر ستاتا هذا الحساب بعد انحدار بروبيت، ويوفر بعض التخلف عن الاختيارات من الانحدارات الأخرى (لا يوجد اتفاق عالمي على هذه التعثرات). ريجريسورس منفصلة لاحظ أن الكثير من ما سبق ينطبق على حالة الانحدار المستمر، لأننا قد استخدمت حساب التفاضل والتكامل. في حالة ريجريسورس منفصلة، ​​تحتاج إلى استخدام تغييرات منفصلة. سو، على سبيل المثال، التغير المنفصل في ريجرسور X الذي يأخذ القيم صغير يبدأ دلتا ماثب leftYi1mid X، لدوتس، X beta0، لدوتس، بيتاكريتامبيتاكفي (beta0 سوم بيتالكس بيتاك سوم كبيتال X) ampquad - بيتاكفي (beta0 سوم بيتالكس سوم كبيتال X) نهاية حساب الآثار الهامشية في ستاتا بروبيت الانحدار. هنا مثال لحساب الآثار الهامشية بعد انحدار بروبيت في ستاتا. هنا هو الإخراج الذي ستحصل عليه من أمر الهوامش ويمكن تفسير ذلك، على سبيل المثال، أن وحدة واحدة تتغير في متغير العمر، يزيد من احتمال حالة الاتحاد بنسبة 0.003442. وبالمثل، يجري من الجنوب، ويقلل من احتمال وضع الاتحاد من قبل 0.1054928 الانحدار الخطي. وكاختبار نهائي، يمكننا أن نؤكد أن الآثار الهامشية في نموذج الانحدار الخطي هي نفسها معاملات الانحدار (مع تطور صغير واحد). تشغيل الانحدار التالي وحساب الآثار الهامشية بعد يعطيك فقط العودة معاملات الانحدار. لاحظ حقيقة مثيرة للاهتمام أن ستاتا يحسب صافي تأثير هامشي من الانحدار بما في ذلك تأثير من خلال التربيعية المصطلحات إذا شملها في النموذج. ملاحظة: سوف إدر المجموعة الاستشارية الإحصائية ترحيل الموقع إلى وردبريس كمس في فبراير لتسهيل الصيانة والإبداع من المحتوى الجديد. ستتم إزالة بعض صفحاتنا القديمة أو وضعها في الأرشيف بحيث لا يتم الاحتفاظ بها بعد الآن. سنحاول الحفاظ على عمليات إعادة التوجيه بحيث تستمر عناوين ورل القديمة في العمل بأفضل ما في وسعنا. مرحبا بكم في معهد للبحوث الرقمية والتعليم مساعدة مجموعة ستات الاستشارية من خلال إعطاء هدية ستاتا تحليل البيانات أمثلة بروبيت الانحدار معلومات الإصدار: تم اختبار رمز لهذه الصفحة في ستاتا 12. بروبيت الانحدار، وتسمى أيضا نموذج بروبيت، ويستخدم لنموذج ثنائية أو متغيرة النتائج الثنائية. وفي النموذج بروبيت، ينمذج التوزيع العادي المعكوس للاحتمال على أنه تركيبة خطية من المتنبئات. يرجى ملاحظة: الغرض من هذه الصفحة هو إظهار كيفية استخدام مختلف أوامر تحليل البيانات. وهي لا تغطي جميع جوانب عملية البحث التي يتوقع من الباحثين القيام بها. وعلى وجه الخصوص، فإنه لا يغطي تنظيف البيانات وفحصها والتحقق من الافتراضات والتشخيص النموذجي والتحليلات المحتملة للمتابعة. أمثلة على الانحدار بروبيت المثال 1: لنفترض أننا مهتمون بالعوامل التي تؤثر على ما إذا كان مرشح سياسي يفوز في الانتخابات. متغير النتيجة (استجابة) هو ثنائي (01) الفوز أو الخسارة. المتغيرات المتوقعة من الفائدة هي مقدار الأموال التي تنفق على الحملة، ومقدار الوقت الذي يقضيه الحملات الانتخابية سلبا، وما إذا كان المرشح شاغلا. مثال 2: الباحث مهتم في كيفية المتغيرات، مثل غري (درجات امتحان سجل الدراسات العليا)، غبا (معدل الصف) وهيبة مؤسسة البكالوريوس، وتأثير القبول في كلية الدراسات العليا. متغير الاستجابة، اعترف أدميتدونت، هو متغير ثنائي. وصف البيانات لتحليل البيانات لدينا أدناه، ونحن في طريقنا للتوسع في المثال 2 حول الدخول في مدرسة الدراسات العليا. لقد قمنا بإنشاء بيانات افتراضية، والتي يمكن الحصول عليها من موقعنا على الانترنت. تحتوي مجموعة البيانات هذه على استجابة ثنائية (النتيجة، تعتمد) متغير يسمى اعترف. هناك ثلاثة متغيرات تنبؤ: غري. غبا والرتبة. وسوف نعامل المتغيرات غر و غبا كما مستمر. أما الترتيب المتغير فهو ترتيبي، فهو يأخذ القيم من 1 إلى 4. أما المؤسسات التي تحتل المرتبة 1 فتكون أعلى مكانة، في حين أن الفئة التي لها رتبة 4 هي الأقل. وسوف نعامل الرتبة كقائمة. طرق التحليل التي قد تفكر بها فيما يلي قائمة ببعض طرق التحليل التي قد تكون قد واجهتها. بعض الأساليب المدرجة هي معقولة جدا في حين أن البعض الآخر إما سقطت لصالح أو لديها قيود. بروبيت الانحدار، والتركيز من هذه الصفحة. الانحدار اللوجستي. نموذج لوجيت سوف تنتج نتائج انحدار بروبيت مماثل. اختيار بروبيت مقابل لوجيت يعتمد إلى حد كبير على تفضيلات الفردية. انحدار عملية شريان الحياة للسودان. وعند استخدام متغير الاستجابة الثنائية، يعرف هذا النموذج بنموذج الاحتمال الخطي ويمكن استخدامه كوسيلة لوصف الاحتمالات المشروطة. ومع ذلك، فإن الأخطاء (أي المخلفات) من نموذج الاحتمالات الخطية تنتهك النزعة المثلية وطبيعية افتراضات أخطاء انحدار عملية شريان الحياة للسودان، مما يؤدي إلى أخطاء معيارية غير صالحة واختبارات فرضية. وللحصول على مناقشة أكثر شمولا لهذه المشاكل وغيرها من المشاكل مع نموذج الاحتمالات الخطية، انظر لونغ (1997، p.38-40). اثنين من مجموعة تحليل وظيفة التمييز. طريقة متعددة المتغيرات لمتغيرات النتائج ثنائية التفرع. هوتيلينغز T 2. يتم تحويل النتيجة 01 إلى متغير التجميع، وتحولت التنبؤات السابقة إلى متغيرات النتيجة. وهذا سوف ينتج اختبارا شاملا للأهمية ولكن لن يعطي معاملات فردية لكل متغير، وليس من الواضح إلى أي مدى يتم تعديل كل كوتوبريديكتوركوت لتأثير qupredictors. quot الانحدار بروبيت أدناه نستخدم الأمر بروبيت لتقدير نموذج الانحدار بروبيت. i. قبل الرتبة تشير إلى أن الرتبة هي متغير عامل (أي متغير فئوي)، وأنه ينبغي تضمينه في النموذج كمجموعة من متغيرات المؤشرات. لاحظ أنه تم إدخال هذه البنية في ستاتا 11. في الإخراج أعلاه، نرى أولا سجل التكرار، مما يشير إلى مدى سرعة نموذج التقارب. يمكن استخدام احتمال السجل (-229.20658) في مقارنات من النماذج المتداخلة، لكننا لن نعرض مثالا على ذلك هنا. أيضا في الجزء العلوي من الإخراج نرى أن جميع الملاحظات 400 في مجموعة البيانات لدينا استخدمت في التحليل (عدد أقل من الملاحظات كان يمكن استخدامها إذا كان أي من المتغيرات لدينا قيم مفقودة). وتبين لنا نسبة احتمال تشي مربع 41.56 مع قيمة p 0.0001 أن نموذجنا ككل مهم إحصائيا، أي أنه يناسب أفضل بكثير من نموذج مع عدم وجود تنبؤات. ونرى في الجدول المعاملات، وأخطاءها القياسية، وإحصائية z، وقيم p المرتبطة بها، وفترة الثقة 95 للمعاملات. كلا الأخضر. المعدل التراكمي . ومتغيرات المؤشر الثلاثة للرتبة ذات دلالة إحصائية. وتعطي معاملات الانحدار بروبيت التغير في مؤشر z أو مؤشر بروبيت لتغيير وحدة واحدة في جهاز التنبؤ. لزيادة وحدة واحدة في اللون الأخضر. تزداد درجة Z بمقدار 0.001. لكل زيادة وحدة واحدة في غبا. تزداد درجة Z بمقدار 0.478. متغيرات مؤشر الرتبة لها تفسير مختلف قليلا. على سبيل المثال، بعد أن حضرت مؤسسة البكالوريوس من رتبة 2، مقابل مؤسسة مع رتبة 1 (المجموعة المرجعية)، ويقلل من درجة Z بنسبة 0.415. يمكننا اختبار لتأثير الكلي للرتبة باستخدام أمر الاختبار. ونرى أدناه أن التأثير الكلي للرتبة ذو دلالة إحصائية. يمكننا أيضا اختبار فرضيات إضافية حول الاختلافات في المعاملات لمستويات مختلفة من الرتبة. نختبر أدناه أن معامل الرتبة 2 يساوي معامل الرتبة 3. يمكنك أيضا استخدام الاحتمالات المتوقعة لمساعدتك على فهم النموذج. يمكنك حساب الاحتمالات المتوقعة باستخدام الأمر هوامش، الذي تم عرضه في ستاتا 11. أدناه نستخدم الأمر الهامش لحساب احتمال توقع القبول في كل مستوى من الرتب. مع االحتفاظ بجميع المتغيرات األخرى في النموذج بوسائلها. لمزيد من المعلومات حول استخدام أمر الهامش لحساب الاحتمالات المتوقعة، راجع صفحتنا استخدام هوامش للاحتمالات المتوقعة. في الناتج أعلاه نرى أن الاحتمال المتوقع للقبول في برنامج الدراسات العليا هو 0.52 لأعلى المؤسسات الجامعية هيبة (المرتبة 1)، و 0.19 لأقل المؤسسات المرتبة (رتبة 4)، وعقد غر و غبا في وسائلها. أدناه نولد الاحتمالات المتوقعة لقيم من 200 إلى 800 في الزيادات من 100. لأننا لم تحدد إما أتمانز أو استخدامها في (.) لتحديد القيم التي يتم الاحتفاظ متغيرات التنبؤ الأخرى، القيم في الجدول هي متوسط ​​الاحتمالات المتوقعة المحسوبة باستخدام قيم عينة متغيرات التنبؤ الأخرى. على سبيل المثال، لحساب متوسط ​​الاحتمالات المتوقعة عند غر 200، تم حساب الاحتمال المتوقع لكل حالة، باستخدام تلك الحالات قيمة الرتبة و غبا. وتعيين غر إلى 200. في الجدول أعلاه يمكننا أن نرى أن متوسط ​​احتمال المتوقع للقبول هو فقط 0.16 إذا كانت النتيجة غري هي 200 ويزيد إلى 0.42 إذا كانت النتيجة غري غري 800 (المتوسط ​​عبر قيم عينة من غبا والرتبة ). ويمكن أيضا أن تكون مفيدة لاستخدام الرسوم البيانية من الاحتمالات المتوقعة لفهم أندور تقديم النموذج. وقد نود أيضا أن نرى تدابير لمدى ملاءمة نموذجنا. وهذا يمكن أن يكون مفيدا بشكل خاص عند مقارنة النماذج المنافسة. ينتج الأمر فيتستات المكتوب من المستخدم مجموعة متنوعة من الإحصاءات المناسبة. يمكنك العثور على مزيد من المعلومات حول فيتستات عن طريق كتابة فيستيت فيتستات (انظر كيف يمكنني استخدام الأمر فينديت للبحث عن البرامج والحصول على مساعدة إضافية لمزيد من المعلومات حول استخدام فينديت). أشياء يجب مراعاتها خلايا فارغة أو خلايا صغيرة: يجب التحقق من وجود خلايا فارغة أو صغيرة عن طريق إجراء جدول زمني بين التنبؤات الفئوية ومتغير النتيجة. إذا كان لدى خلية عدد قليل جدا من الحالات (خلية صغيرة)، قد يصبح النموذج غير مستقر أو قد لا يعمل على الإطلاق. الفصل أو شبه الفصل (وتسمى أيضا التنبؤ المثالي)، وهو شرط لا تختلف فيه النتيجة على بعض مستويات المتغيرات المستقلة. راجع صفحتنا أسئلة وأجوبة: ما هو الفصل الكامل أو شبه الكامل في الانحدار لوجيستيسبروبيت وكيف يمكننا التعامل معها للحصول على معلومات عن نماذج مع التنبؤ الكمال. حجم العينة: تتطلب كل من نماذج بروبيت و لوجيت حالات أكثر من انحدار عملية شريان الحياة للسودان لأنها تستخدم تقنيات تقدير احتمالية قصوى. ومن الممكن أحيانا تقدير نماذج للنتائج الثنائية في مجموعات البيانات مع عدد قليل فقط من الحالات التي تستخدم الانحدار اللوجستي الدقيق (باستخدام الأمر إكسلوجيستيك). لمزيد من المعلومات انظر مثال تحليل البيانات لدينا لانحدار لوجستي بالضبط. ومن المهم أيضا أن نضع في اعتبارنا أنه عندما تكون النتيجة نادرة، حتى لو كانت مجموعة البيانات الشاملة كبيرة، يمكن أن يكون من الصعب تقدير نموذج بروبيت. الزائفة - R - تربيع: العديد من التدابير المختلفة من بسيدو-R - التربيع موجودة. وهم جميعا يحاولون تقديم معلومات مماثلة لتلك التي يوفرها المربعات R في انحدار عملية شريان الحياة للسودان، ولكن لا يمكن تفسير أي منها تماما كما تفسر R-تربيع في انحدار عملية شريان الحياة للسودان. من أجل مناقشة مختلف الزائفة - R-سكاردز انظر لونغ و فريز (2006) أو صفحة الأسئلة الشائعة ما هي الزائفة R-سكاردز في ستاتا، يتم معاملة قيم 0 كمستوى واحد من متغير النتيجة، وجميع القيم الأخرى غير المفقودة يتم معاملتها على أنها المستوى الثاني من النتيجة. التشخيص: التشخيص ل الانحدار بروبيت تختلف عن تلك لانحدار عملية شريان الحياة للسودان. تشبه نماذج بروبيت التشخيصية تلك الخاصة بنماذج لوجيت. وللاطلاع على مناقشة لتشخيص نماذج الانحدار اللوجستي، انظر هوسمر أند ليمشو (2000، تشابتر 5). المراجع هوسمر، D. ليمشو، S. (2000). تطبيق الانحدار اللوجستي (الطبعة الثانية). نيو يورك: جون وايلي سونس، Inc. لونغ، J. سكوت (1997). نماذج الانحدار للمتغيرات تعتمد الفئوية ومحدودة. ألف أوكس، كاليفورنيا: منشورات ساجا. محتوى هذا الموقع لا ينبغي أن يفسر على أنه تأييد لأي موقع ويب معين، كتاب، أو منتج البرمجيات من قبل جامعة كاليفورنيا.