AVISO: O grupo de consultoria estatística IDRE estará migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisas Digitais e Educação Ajude o Grupo de Consultoria Estatal dando um presente Seminários de Informática Estatística Qual é o novo no Stata 11: Variáveis do fator, margens e interações Variáveis do fator As variáveis do fator são extensões de variáveis existentes que são usadas para codificar variáveis categóricas. As variáveis do fator criam variáveis de indicadores (variáveis) de variáveis categóricas, interações de variáveis categóricas, interações de variáveis categóricas e contínuas e interações de variáveis contínuas (polinômios). Eles são permitidos com a maioria dos comandos de estimativa e postulação, juntamente com alguns outros comandos. Atualmente, somente a codificação variável do indicador (fictício) é realizada, porém a extensão futura de variáveis de fatores pode permitir outros sistemas de codificação, como codificação de efeitos, codificação Helmert, etc. A tabela abaixo fornece uma lista de operadores de variáveis de fatores. Executar os comandos abaixo demonstrará como as variáveis de fatores funcionam no Stata 11. A tabela abaixo mostra variações na configuração da base ou da categoria de referência. Vamos agora continuar com exemplos variáveis de fatores. O comando de margens O poder real das variáveis de fatores torna-se evidente quando usado em conjunto com o comando de margens. O comando das margens pode calcular meios marginais estimados, meios de mínimos quadrados, efeitos marginais e parciais condicionais e médias (que podem ser relatados como derivados ou como elasticidades), previsões médias e condicionais ajustadas e margens preditivas. O comando de margens é um comando de timbramento que estima margens de respostas para valores especificados de covariáveis e apresenta os resultados como uma tabela. Começaremos com alguns exemplos e abordaremos categoricamente categoricamente por categorias, categóricas contínuas e contínuas por interações contínuas para variáveis de resposta contínua e binária. Regredir escrever i. female i. prog margens prog feminino margens preditivas logit honras i. female i. prog margens prog fêmea projeção probabilidade regredir escrever i. female c. read margens, dydx (ler) regredir escrever i. femalec. read margens, dydx (Ler) margens de efeito marginal médio, dydx (lido) em (fêmea (0 1)) em média entre valores de resposta contínua de leitura variável categórica por interação categórica anova escrever margens de projeção feminina prog células significa prog de margens, médias marginais estimadas significativas - lsmeans categóricas Por interação categórica com anova de covariável, escreva mulheresprog c. read margens prog células significa prog de margens, desequilibrado estimado significa marginal - lsmeans - célula ajustada significa outra categórica por exemplo categórico - 2x4 projeto fatorial use ats. ucla. edustatdatacrf24, anova yab claro Ab antiga sintaxe - não funciona versão 10: anova yab ab funciona com controle de versão anova y ab anovaplot ba, scatter (msymbol (i)) usuário escrito comando marg Ins ab, teste de teste de célula de postagem 1.a1.b2.a1.b teste de efeito principal simples no teste b1 1.a2.b2.a2.b teste de efeito principal simples no teste b2 1.a3.b2.a3.b Teste de efeito principal simples no teste b3 1.a4.b2.a4.b teste de efeito principal simples em b4 categórico por interação contínua use ats. ucla. edustatdatahsbdemo, clear twoway (lfit write socst if female) (lfit write socst if female ), Esquema de legenda (desligado) (lean1) resumem socst anova write femalec. socst pode ser executado como anova ou regressar regredir escrever i. femalec. socst pode ser executado como anova ou regressar margens feminino, em (socst (30 (10) 70)) Margens femininas, em (socst (30 (10) 70)) vsquish margens, dydx (fêmea) em (socst (30 (10) 70)) vsquish contínuo por interação contínua use ats. ucla. edustatdatahsbdemo, claro show centrado em 50 regredir Leia as margens de c. mathc. socst, margens de efeito marginal médio dydx (matemática), dydx (matemática) em (socst50) inclinação simples nas margens socst50, dydx (matemática) em (socst (30 (5) 70)) vsquese matriz de inclinação simples Sr (b) economizar marginhas simples Ins, em (math0 socst (30 (5) 70)) vsquish interceptos para inclinações simples mat ir (b) salvar interceptações gráfico simples pistas twoway (função y i1,1 s1,1x, intervalo (30 75)) (função y i1 , 2 s1,2x, intervalo (30 75)) (função y i1,3 s1,3x, intervalo (30 75)) (função y i1,4 s1,4x, intervalo (30 75)) (função y i1,5 S1,5x, intervalo (30 75)) (função y i1,6 s1,6x, intervalo (30 75)) (função y i7,7 s1,7x, intervalo (30 75)) (função y i1,8 s1, 8x, intervalo (30 75)) (função y i1,9 s1,9x, intervalo (30 75)) (função y i1,10 s1,10x, intervalo (30 75)) (leitura de dispersão matemática, msym (oh) jitter (3)), legenda (desativado) ytitle (leia) esquema de xtitle (matemática) (lean1) regressão polinomial - polinômio de segundo grau - termo quadrado twoway (qfit math write) (lfit math write) (scatter math write, jitter ( 3) msym (oh)), esquema (lean1) legenda (desativado) regredir matemática c. writec. write prever pquad twoway linha pquad escrever, ordenar margens, dydx (escrever) em (escrever (30 (5) 70)) vsquish binário Variável de resposta use ats. ucla. edustatdatahsbdemo, clear logit ho Nors i. prog modelo de leitura sem interação prever pprob probabilidade prevista para gráfico twoway (linha pprob lida se prog1, classificar) (linha pprob lida se prog2, classificar) (linha pprob lida se prog3, classificar), lenda (ordem (1 prog1 2 prog2 3 prog3)) margens prog média em todas as margens de leitura prog, atmeans read mantido constante no prog de margens médias, em (lido (40 50 60)) probabilidades previstas margens, dydx (prog) em (leitura (40 50 60)) diferenças Em probabilitt logit honras feminino modelo de leitura com interação covariável margens prog, em (feminino (0 1) read60) probabilidades preditas categóricas por interação categórica - uso de design 2x2 ats. ucla. edustatdatalogit2-2, limpar tab1 fh logit y fh cv1 categórico por Categorizado com margens de covar h, em (f (0 1) cv1 (30 (10) 70)) vsquistão previu margens de probabilidades, dydx (h) em (f (0 1) cv1 (30 (10) 70)) vsquish diferenças em Probabilidades categóricas por interação contínua usam ats. ucla. edustatdatalogitcatcon, clear logit y i. fc. s, nolog Modelo com margens de interação f, em (s (30 (10) 70)) vsquistão previu margens de probabilidades, dydx (f) em (s (30 (10) 70)) vsquish diferenças em probabilidades logit y if cs, nolog model with no Margens de interação f, em (s (30 (10) 70)) vsquese porque precisamos olhar para modelo sem margens de interação, dydx (f) em (s (30 (10) 70)) vsquish contínuo por uso de interação contínua. Ucla. edustatdatalogitconcon, clear logit y c. rc. m, nolog contínuo por margens de interação contínua, dydx (r) a (m (30 (10) 70)) efeito negativo em relação ao efeito comercial O conteúdo deste site não deve ser interpretado como um Endosso de qualquer site, livro ou produto de software específico da Universidade da Califórnia. Você deve fazer o passo de processamento de dados fora do modelo de formulação. Ao criar o fator de b, você pode especificar o pedido dos níveis usando o fator (b, níveis c (3,1,2,4,5)). Faça isso em um passo de processamento de dados fora da chamada lm (). Minha resposta abaixo usa a função relevel () para que você possa criar um fator e, em seguida, mudar o nível de referência para se adequar conforme você precisa. Ndash Gavin Simpson 6 de outubro 10 às 12:14 Eu reformulei sua pergunta. Na verdade, você está mudando o nível de referência, não deixando um fora. Ndash Joris Meys 6 de outubro 10 às 12:39 thx para reformular minha pergunta. Na verdade, relevel () era o que eu estava procurando. Thx para a resposta detalhada e o exemplo. Não tenho certeza se a tag de regressão linear é um pouco enganosa porque isso se aplica a todos os tipos de regressão usando explicações falsas. Ndash Matt Bannert 7 de outubro 10 às 8:52 Veja a função relevel (). Aqui está um exemplo: agora altere o fator b em DF pelo uso da função relevel (): os modelos têm diferentes níveis de referência estimados. Outros referiram o comando relevel que é a melhor solução se quiser mudar o nível base para todas as análises em seus dados (ou está disposto a viver com a alteração dos dados). Se você não quer mudar os dados (esta é uma mudança única, mas no futuro você quer o comportamento padrão novamente), então você pode usar uma combinação da função C (nota maiúscula) para definir contrastes e os tratamentos contr. Funcione com o argumento base para escolher qual nível você quer ser a linha de base. Por exemplo: respondeu 6 de outubro 10 às 15:24 O comando relevel () é um método abreviado para sua pergunta. O que faz é reordenar o fator para que, qualquer que seja o nível de referência, é o primeiro. Portanto, reordenar seus níveis de fator também terá o mesmo efeito, mas lhe dará mais controle. Talvez você quisesse ter níveis 3,4,0,1,2. Nesse caso. Eu prefiro esse método, porque é mais fácil para mim ver no meu código não apenas qual a referência, mas também a posição dos outros valores (em vez de ter que olhar para os resultados para isso). NOTA: NÃO seja um fator ordenado. Um fator com uma ordem especificada e um fator ordenado não são a mesma coisa. Lm () pode começar a pensar que quer contrastes polinomiais se você fizer isso. Respondeu 6 de outubro às 13:16 contrastes polinomiais, não uma regressão polinomial. Ndash hadley 6 de outubro 10 às 13:31 Existe uma maneira de definir o nível de referência ao mesmo tempo em que você define o fator, em vez de em uma chamada subseqüente para divulgar o ndash David Bruce Borenstein 18 de outubro 16 às 15:11
No comments:
Post a Comment