Menetapkan Kategori Referensi Di Stata Forex

PEMBERITAHUAN: Kelompok konsultasi Statistik IDRE akan memindahkan situs web ke CMS WordPress pada bulan Februari untuk memfasilitasi pemeliharaan dan pembuatan konten baru. Beberapa halaman lama kami akan dihapus atau diarsipkan sehingga tidak lagi dipelihara. Kami akan mencoba untuk mempertahankan pengalihan sehingga URL lama akan terus bekerja sebaik mungkin. Selamat datang di Institut Riset Digital dan Bantuan Pendidikan di Stat Consulting Group dengan memberikan hadiah Seminar Komputasi Statistik Apa yang baru di Stata 11: Variabel faktor, margin dan interaksi Variabel faktor Variabel faktor adalah perpanjangan variabel yang ada yang digunakan untuk mengkodekan variabel kategori. Variabel faktor membuat indikator (dummy) variabel dari variabel kategoris, interaksi variabel kategoris, interaksi variabel kategoris dan kontinu, dan interaksi variabel kontinyu (polinomial). Mereka diizinkan dengan sebagian besar estimasi dan usulan postestimasi, bersamaan dengan beberapa perintah lainnya. Saat ini, hanya indikator (dummy) pengkodean variabel yang dilakukan namun perpanjangan variabel faktor yang akan datang memungkinkan pengkodean lain, seperti pengkodean efek, pengkodean Helmert, dan lain-lain. Tabel di bawah ini menyediakan daftar variabel faktor operator. Menjalankan perintah di bawah ini akan menunjukkan bagaimana variabel-variabel faktor bekerja di Stata 11. Tabel di bawah ini menunjukkan variasi pada pengaturan basis atau kategori referensi. Kita sekarang akan melanjutkan dengan contoh variabel faktor. Perintah margin Kekuatan sesungguhnya dari variabel faktor menjadi jelas saat digunakan bersamaan dengan perintah margin. Perintah margin dapat menghitung perkiraan alat marjinal, kuadrat terkecil berarti, efek marjinal dan parsial bersyarat dan rata-rata (yang dapat dilaporkan sebagai turunan atau elastisitas), prediksi penyesuaian rata-rata dan kondisional, dan margin prediktif. Perintah margin adalah perintah postestimasi yang memperkirakan margin tanggapan untuk nilai kovariat tertentu dan menyajikan hasilnya sebagai tabel. Kita akan mulai dengan beberapa contoh dan secara sistematis meliput kategoris secara kategoris, kategoris secara kontinu dan kontinyu dengan interaksi terus menerus untuk variabel respon kontinu dan biner. Regresi menulis i. female i. prog margin margin laba prog perempuan perempuan logit kehormatan i. female i. prog margin perempuan prog prediksi kemungkinan regresi menulis i. female c. read margin, dydx (baca) regresi menulis margin i. femalec. read, dydx (Baca) margin efek marginal rata-rata, dydx (baca) pada (betina (0 1)) rata-rata pada nilai variabel respon kontinyu baca yang dikategorikan oleh interaksi kategoris anova tulis margin femaleprog sel prog berarti margin prog, perkiraan marjinal marjinal artinya - lsmeans kategoris Dengan interaksi kategoris dengan anova kovariat nulis femaleprog c. read margin sel prog berarti margin prog, asumsi marjinal perkiraan marjinal - sel yang disesuaikan dengan sel berarti kategoris lain dengan contoh kategoris - desain faktorial 2x4 menggunakan ats. ucla. edustatdatacrf24, clear anova yab Ab sintaks lama - tidak bekerja versi 10: anova yab ab bekerja dengan kontrol versi anova y ab anovaplot ba, scatter (msymbol (i)) perintah menulis pengguna In ab, post sel berarti menguji 1.a1.b2.a1.b uji efek utama sederhana pada uji b1 1.a2.b2.a2.b uji efek sederhana sederhana pada uji b2 1.a3.b2.a3.b Uji efek utama sederhana pada uji b3 1.a4.b2.a4.b uji efek utama sederhana pada b4 kategoris dengan interaksi terus menerus menggunakan ats. ucla. edustatdatahsbdemo, clear twoway (lfit write socst jika perempuan) (boleh tulis socst jika perempuan ), Legenda (off) scheme (lean1) merangkum socst anova menulis femalec. socst dapat berjalan sebagai anova atau regresi regress menulis i. femalec. socst dapat berjalan sebagai anova atau regresi margin wanita, pada (socst (30 (10) 70)) Margin betina, pada (socst (30 (10) 70)) margin vsquish, dydx (betina) pada (socst (30 (10) 70)) terus berlanjut terus menerus dengan penggunaan interaksi terus menerus ats. ucla. edustatdatahsbdemo, pertunjukan yang jelas berpusat pada 50 regresi Baca margin gmathc. socst, dydx (matematika) rata-rata margin efek marjinal, dydx (matematika) di (socst50) kemiringan sederhana pada batas socst50, dydx (matematika) pada matriks lereng sederhana yang tidak memenuhi syarat Sr (b) simpan slereng sederhana marg Dalam penyadapan vsquish untuk tikungan lereng sederhana ir (b) menyimpan grafik intersep dengan slope sederhana twoway (fungsi y i1,1 s1,1x, range (30 75)) (fungsi y i1 , 2 s1,2x, range (30 75)) (fungsi y i1,3 s1,3x, range (30 75)) (fungsi y i1,4 s1,4x, range (30 75)) (fungsi y i1,5 S1,5x, range (30 75)) (fungsi y i1,6 s1,6x, range (30 75)) (fungsi y i1,7 s1,7x, range (30 75)) (fungsi y i1,8 s1, 8x, range (30 75)) (fungsi y i1,9 s1,9x, range (30 75)) (fungsi y i1,10 s1,10x, range (30 75)) (matematika terbentang, msym (oh) jitter (2)), legenda (off) ytitle (baca) xtitle (matematika) skema (lean1) regresi polinomial - derajat dua istilah polinomial - kuadrat twoway (tulis matematika qfit) (tulis matematika lfit) (matematika hitung tulis, jitter 3) msym (oh)), skema (lean1) legenda (off) regresi matematika c. writec. write memprediksi pquad twoway line pquad write, sort margins, dydx (write) at (write (30 (5) 70)) vsquish binary Variabel respon menggunakan ats. ucla. edustatdatahsbdemo, clear logit ho Nors i. prog membaca model tanpa interaksi memprediksi probabilitas prediksi pprob untuk grafik twoway (baris pprob baca jika prog1, sort) (baris pprob baca jika prog2, sort) (baris pprob baca jika prog3, sort), legenda (order (1 prog1 2 prog2 3 prog3)) margin rata-rata pada batas baca prog, diukur pada rasio margin rata-rata, pada (baca (40 50 60)) memperkirakan probabilitas margin, dydx (prog) pada (baca (40 50 60)) perbedaan Dalam probabilitt logit honors femaleprog read model dengan interaksi covariate margins prog, pada (female (0 1) read60) memprediksi probabilitas kategoris dengan interaksi kategoris - desain 2x2 menggunakan ats. ucla. edustatdatalogit2-2, clear tab1 fh logit y fh cv1 kategoris oleh Kategoris dengan margin kovar, di (f (0 1) cv1 (30 (10) 70)) probabilitas prediksi probabilitas yang diperkirakan, dydx (h) pada (f (0 1) cv1 (30 (10) 70)) perbedaan vsquish Probabilitas kategoris dengan interaksi terus menerus menggunakan ats. ucla. edustatdatalogitcatcon, clear logit y i. fc. s, nolog Model dengan margin interaksi f, di (s) (30 (10) 70)) vsquish probabilitas probabilitas prediksi, dydx (f) pada (s (30 (10) 70)) vsquish perbedaan probabilitas logit y jika cs, nolog model tanpa Margin interaksi f, pada (s (30)) vsquish mengapa kita perlu melihat model tanpa margin interaksi, dydx (f) pada (s (30))) vsquish terus menerus dengan penggunaan interaksi terus menerus. Ucla. edustatdatalogitconcon, jelas logit y c. rc. m, nolog terus menerus dengan margin interaksi terus menerus, dydx (r) pada (m (30 (10) 70)) efek marjinal yang tidak pasti Isi situs web ini tidak boleh dianggap sebagai Pengesahan dari situs web, buku, atau produk perangkat lunak tertentu oleh University of California. Anda harus melakukan langkah pengolahan data di luar formulafitting model. Saat membuat faktor dari b Anda bisa menentukan urutan level dengan menggunakan faktor (b, level c (3,1,2,4,5)). Lakukan ini di langkah pengolahan data di luar lm () panggilan sekalipun. Jawaban saya di bawah ini menggunakan fungsi relevel () sehingga Anda dapat membuat sebuah faktor dan kemudian menggeser tingkat referensi yang sesuai dengan kebutuhan Anda. Ndash Gavin Simpson Oct 6 10 at 12:14 Aku reworded pertanyaan Anda. Anda sebenarnya setelah mengubah tingkat referensi, tidak membiarkannya keluar. Ndash Joris Meys 6 Okt 10 jam 12:39 thx untuk menulis ulang pertanyaan saya. Memang, relevel () adalah apa yang saya cari. Thx untuk jawaban rinci dan contohnya sekalipun. Saya tidak yakin apakah tag regresi linier agak menyesatkan karena ini berlaku untuk semua jenis regresi dengan menggunakan dummy explanatories. Ndash Matt Bannert 7 Oktober jam 8:52 Lihat fungsi relevel (). Berikut adalah sebuah contoh: Sekarang ubah faktor b di DF dengan menggunakan fungsi relevel (): Model memperkirakan tingkat referensi yang berbeda. Yang lain telah menyebutkan perintah relevel yang merupakan solusi terbaik jika Anda ingin mengubah tingkat dasar untuk semua analisis pada data Anda (atau bersedia untuk hidup dengan mengubah data). Jika Anda tidak ingin mengubah data (ini adalah perubahan satu kali, namun di masa depan Anda menginginkan perilaku default lagi), Anda dapat menggunakan kombinasi fungsi C (note uppercase) untuk mengatur kontras dan contr. treatments. Berfungsi dengan argumen dasar untuk memilih level mana yang ingin dijadikan baseline. Sebagai contoh: jawab 6 Okt 10 at 15:24 Perintah relevel () adalah metode singkat untuk pertanyaan Anda. Apa yang dilakukannya adalah menyusun ulang faktor sehingga apapun tingkat refnya adalah yang pertama. Oleh karena itu, penataan ulang tingkat faktor Anda juga akan memiliki efek yang sama namun memberi Anda lebih banyak kendali. Mungkin Anda ingin memiliki tingkat 3,4,0,1,2. Dalam hal itu. Saya lebih memilih metode ini karena lebih mudah saya untuk melihat dalam kode saya tidak hanya apa referensi tapi juga posisi nilai lainnya (daripada harus melihat hasilnya untuk itu). CATATAN: JANGAN membuatnya menjadi faktor pesanan. Faktor dengan urutan tertentu dan faktor pesanan bukanlah hal yang sama. Lm () mungkin mulai berpikir Anda ingin kontras polinomial jika Anda melakukan itu. Menjawab 6 Okt 10 di 13:16 polinomial kontras, bukan regresi polinomial. Ndash hadley 6 Okt 10 at 13:31 Apakah ada cara untuk menetapkan tingkat referensi pada saat bersamaan bahwa Anda menentukan faktornya, bukan pada panggilan berikutnya untuk mengundurkan diri David Bruce Borenstein pada 18 Oktober 15:11 di 15:11