Ich versuche, den Unterschied zwischen Programmierung verstehen, wenn und bedingte, wenn in Stata. Hier ist, was ich tue. Ich frage mich, warum die Programmierung gibt Ausgabe für 3291 und 4000, aber nicht 5000. Ich kann verstehen, dass die Programmierung, wenn schaut auf die erste Beobachtung im Preis und dann sehen, ob es größer als angegebene Zahl ist und führen Sie dann das Programm. Aber das ist eindeutig nicht das, was ich hier sehe. Jede Hilfe in dieser Hinsicht wird sehr geschätzt werden. Sie sehen das erwartete Verhalten. Die erste Preisbeobachtung beträgt somit 4.099. Wenn Sie eine bedingte, wenn wie Summe Preis, wenn Preis gt 4499. Stata findet die Beobachtungen, für die Preis übersteigt 4.499 und führt dann die zusammenfassende Befehl auf diese Beobachtungen. Es gibt 48 solcher Beobachtungen. Wenn Sie eine Programmierung durchführen, wenn die Ausführung ist: Stata erreicht die if-Anweisung und entscheidet, ob die Bedingung erfüllt ist. Wenn die Bedingung erfüllt ist, tritt sie in den if-Block ein und führt den Code aus. Wenn die Bedingung nicht erfüllt ist, überspringt Stata nach dem Schließen und ignoriert den if-Code. Also, wenn Sie tun, wenn Preis gt 4000. Stata betrachtet die erste Beobachtung, sieht, dass der Preis größer als 4.000 ist und fährt fort, den Code auszuführen. Da die Summe innerhalb des if-Blocks keine Bedingung dafür hat, wird der Befehl mit allen Beobachtungen ausgeführt. Wenn Sie tun, wenn Preis gt 5000. Stata sieht, dass die Bedingung nicht erfüllt ist und überspringt den Code innerhalb. Der Unterschied zwischen dem if-Qualifier und der if-Anweisung wird von StataCorp in ihren FAQs erklärt. HINWEIS: Die IDRE Statistical Consulting Group wird im Februar die Website auf das WordPress CMS migrieren, um die Wartung und die Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group, indem Sie ein Geschenk geben Stata FAQ Wie kann ich für Collinearity in der Umfrage-Regression überprüfen Collinearity ist eine Eigenschaft von Prädiktor-Variablen und in OLS-Regression kann leicht mit dem estat vif-Befehl nach überprüft werden Regress oder durch den benutzerdefinierten Befehl collin. Die Situation ist ein bisschen schwieriger, wenn Umfragedaten verwendet werden. Wir veranschaulichen diese Situation mit dem hsb2-Datensatz, der vorgibt, dass die variable Mathematik das Stichprobengewicht (pweight) ist und dass die Stichprobe auf ses geschichtet ist. Lassen Sie uns beginnen, indem Sie eine Umfrage-Regression mit sozialer Regression auf lesen. Schreiben und die Interaktion von lesen und schreiben. Wir erstellen den Interaktionsbegriff rw. Durch Multiplizieren von Lesen und Schreiben miteinander. Da rw das Produkt von zwei anderen Prädiktoren ist, sollte es eine Situation mit einem hohen Grad an Kollinearität schaffen. Nun, wie können wir sagen, ob es hohe Collinearity unter den drei Prädiktoren Um dies zu beantworten, werden wir drei Umfrage-Regressionen mit Lesen laufen. Schreiben und rw als Antwortgrößen. Nach jeder Regression werden wir die Toleranz nach der Formel 1-R 2 und dem Varianz-Inflationsfaktor (VIF) um 1 Toleranz manuell berechnen. Beachten Sie, dass wir jede der Prädiktor-Variablen wiederum als Antwortvariable für eine Umfrage-Regression verwendet haben. VIF-Werte größer als 10 können eine weitere Untersuchung rechtfertigen. In diesem Beispiel waren alle VIFs problematisch, aber die Variable rw besticht mit einem VIF von 118,61. Die hohe Collinearität des Interaktionstermins ist nicht unerwartet und wird wahrscheinlich nicht zu einem Problem für unsere Analyse führen. Dieser gleiche Ansatz kann mit der Umfrage-Logit (d. e. svy: logit) oder irgendeiner der Erhebungs-Schätzprozeduren verwendet werden. Ersetzen Sie hierzu den Befehl logit durch den Befehl regress und gehen Sie dann wie oben beschrieben vor. Das Ausführen des Regress-Befehls mit einer binären Ergebnisvariable ist kein Problem, da Collinearity eine Eigenschaft der Prädiktoren und nicht des Modells ist. Der Inhalt dieser Website sollte nicht als eine Bestätigung für eine bestimmte Website, ein Buch oder ein Softwareprodukt der Universität von Kalifornien verstanden werden.
No comments:
Post a Comment