Verwenden Ränder Befehl In Stata Forex

HINWEIS: Die IDRE Statistical Consulting Group wird die Migration der Website auf das WordPress CMS im Februar, um die Wartung und 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. Verwendung von Margen für vorhergesagte Wahrscheinlichkeiten Das Margin-Kommando (eingeführt in Stata 11) ist sehr vielseitig mit zahlreichen Optionen. Diese Seite enthält Informationen zur Verwendung des Ränderbefehls, um vorhergesagte Wahrscheinlichkeiten zu erhalten. Lets get einige Daten und führen Sie entweder ein Logit-Modell oder ein probit-Modell. Es spielt keine Rolle, da wir die gleichen Ränder Befehle für jede Art von Modell verwenden können. Wir verwenden logit mit der binären Antwort Variable Ehren mit weiblichen als kategorischen Prädiktor und als kontinuierliche Prädiktor zu lesen. Beachten Sie, dass weiblich. Die kategorial ist, als Faktorvariable (d. H. Weiblich) eingeschlossen, so daß der Randbefehl sie als eine kategorische Variable behandeln wird, andernfalls würde sie als kontinuierlich angenommen. Wir werden unsere Verwendung von Margen durch die Vorhersage der Wahrscheinlichkeiten für jede Ebene der Frau beginnen, während konstant auf ihre Mittelwert. Sie können den Teil des Headers ignorieren, der den Mittelwert für 0.female und 1.female gibt, weil Ränder die vorhergesagten Wahrscheinlichkeiten für jede Stufe der Frau berechnen werden. Wir sehen, dass das Lesen konstant auf dem Mittelwert von 52,23 gehalten wird. Die Werte in der Spalte mit der Überschrift Margin sind die voraussichtlichen Wahrscheinlichkeiten für Männchen und Weibchen, während die Lesung an ihrem Mittelwert gehalten wird. Wir erhalten auch Standardfehler z-Statistiken und p-Werte, die den Unterschied von Null und einem 95 Konfidenzintervall für jede vorhergesagte Wahrscheinlichkeit testen. Als nächstes werden wir Ränder verwenden, um die vorhergesagten Wahrscheinlichkeiten für die Werte des Lesens von 20 bis 70 in Schritten von 10 zu erhalten, während 1. weiblich in seinem Mittelwert gehalten wird. Wir werden auch die Post-Option, so dass wir leicht erhalten die Schätzungen und ihre Standard-Fehler. Wir werden auch die vsquish-Option enthalten, um eine kompaktere Ausgabe zu produzieren. Die Variable 1.female wird auf ihrem Mittelwert von 0.545 gehalten. Sie können den Mittelwert für 0.female ignorieren, da Null der Referenzpegel des Weibchens in unserem Beispiel ist. Die Margin-Spalte gibt wieder die vorhergesagte Wahrscheinlichkeit. Der Header über dem Hauptteil der Tabelle zeigt uns an, welche Zeile mit welchem ​​gelesenen Wert verknüpft ist. Daher ist Zeile 1 mit einem Lesewert gleich 20 und einer Zeile 6 mit einem Wert gleich 70 assoziiert. Aus dieser Tabelle ist leicht zu erkennen, dass der Wahrscheinlichkeitsgrad der Ehre, dass ein Eins auch größer wird, mit einer Wahrscheinlichkeit von 0,002 zunimmt Auf eine Wahrscheinlichkeit von 0,75. Eine alternative Möglichkeit, diese Ergebnisse zu sehen, ist ein Graph, der die vorhergesagten Wahrscheinlichkeiten zusammen mit dem Konfidenzintervall enthält. Wir werden dies mit einer Reihe von Stata-Matrix-Befehlen, gefolgt von einem Twoway-Diagramm (beachten Sie, dass das schlanke Schema in gr0002 verfügbar ist). Der Inhalt dieser Website sollte nicht als eine Bestätigung für eine bestimmte Website, Buch oder Software-Produkt von der Universität von Kalifornien ausgelegt werden. NOTICE: Die IDRE Statistical Consulting-Gruppe wird die Migration der Website, um die WordPress CMS im Februar zu erleichtern Wartung und Erstellung neuer Inhalte. 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 im Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group, indem Sie ein Geschenk geben Stata FAQ Wie kann ich mit dem Randbefehl zu verstehen, mehrere Interaktionen in der logistischen Regression (Stata 11) Der Margins-Befehl, neu in Stata 11, kann ein Sehr nützliches Werkzeug zum Verständnis und Interpretation von Interaktionen. Wir werden den Befehl für ein logistisches Regressionsmodell mit zwei kategorischen durch kontinuierliche Interaktionen veranschaulichen. Wir beginnen mit dem Laden des Datasets mlogcatcon. In diesem Datensatz ist y die binäre Antwortvariable und m und s sind stetige Prädiktoren. Die Variable f. Die für weiblich steht, ist ein binärer Prädiktor. Wir werden f mit m und s interagieren. Hier ist das logistische Regressionsmodell. Sie werden feststellen, dass die f-s-Interaktion statistisch signifikant ist, während die f von m-Interaktion nicht ist. Da es sich um ein nichtlineares Modell handelt, müssen wir die Werte aller Kovariaten berücksichtigen, um zu verstehen, was im Modell vor sich geht. Wir beginnen mit einem Ränderbefehl, der die diskrete Wahrscheinlichkeitsdifferenz zwischen Männern und Weibchen für fünf verschiedene Stufen von s ansieht, während m auf ihrem Mittelwert gehalten wird. Wir erhalten die diskrete Wahrscheinlichkeitsdifferenz mit der dydx-Option mit dem binären Prädiktor. Die Variable m wird auf ihrem Mittelwert mit der Option atmeans gehalten. Während die Ergebnisse des oben beschriebenen Margins-Befehls vollkommen korrekt sind, spiegeln sie die diskrete Änderung der Wahrscheinlichkeit für nur einen einzigen Wert von m wider. Wenn wir die atmeans-Option entfernen, erhalten wir den durchschnittlichen Randeffekt, d. H. Die diskrete Änderung der Wahrscheinlichkeit für jeden der Werte von s, gemittelt über die beobachteten Werte von m. So sieht nun der Befehl margins aus. Lets Go ahead und grafische Darstellung dieser Ergebnisse einschließlich der 95 Konfidenzintervalle. Wir beginnen mit dem Platzieren der notwendigen Werte in eine Matrix unter Verwendung von Techniken, die in der Stata-FAQ gezeigt werden: Wie kann ich die Ergebnisse des Ränderbefehls grafisch darstellen. Den Matrixbefehlen folgt ein zweizeiliges Liniendiagramm. Der Randbefehl und das Diagramm oben geben uns eine ziemlich gute Vorstellung davon, wie sich die diskrete Änderung der Wahrscheinlichkeit über verschiedene Werte von s ändert, aber wir wissen immer noch nicht, wie sich diese mit unterschiedlichen Werten von m ändert. Lets versuchen, die Ränder noch einmal, diesmal variiert sowohl s und m. Die ersten fünf Zeilen geben die diskrete Änderung für die fünf Werte von s, während m bei 30 gehalten wird. Die nächsten fünf Halten m bei 40. Und so weiter. Eines der interessanteren Merkmale ist, dass nur wenige der diskreten Veränderungen statistisch signifikant sind, obwohl die Gesamt-f-s-Wechselwirkung signifikant war. Jetzt können wir die notwendigen Werte in eine Matrix zur Vorbereitung für die graphische Darstellung sammeln. Zunächst wird die Wirkung verschiedener Werte von s mit getrennten Zeilen für jeden Wert von m dargestellt. Obwohl es in der obigen Margintabelle nicht viele signifikante Werte gab, sehen die Zeilen für jeden der Werte von m ziemlich unterschiedlich aus. Während die Linie für m gleich 30 ziemlich flach ist, zeigt die Linie für m gleich 70 viel mehr Variabilität, zuerst fallen und dann steil um s gleich 50 steigen. Jetzt, da wir wissen, welche Unterschiede in s für Werte von m aussehen, können wir Umkehren Sie die Variablen im Grafikbefehl (twoway line), um zu sehen, welche Unterschiede in m für Werte von s aussehen. Natürlich suchen wir die gleichen 25 Werte wie die vorherige Grafik, die einfach anders organisiert sind. Diesmal ist die Linie für s gleich 70 diejenige, die sich von den anderen abhebt. Wenn Ihr Modell komplexer als dieses ist, müssen Sie entscheiden, was mit jeder der Kovariaten zu tun. Sie können sie konstant halten auf einen oder mehrere Werte oder Sie können über sie. Was auch immer Sie wählen, müssen Sie erkennen, dass die Werte aller Kovariaten in nichtlinearen Modellen von Bedeutung sind. Der Inhalt dieser Website sollte nicht als eine Bestätigung für eine bestimmte Website, ein Buch oder ein Softwareprodukt der Universität von Kalifornien verstanden werden.