تفسير - اللدود النتائج في ستاتا - الفوركس

أستخدم نموذج غارتش القياسي: ابدأ rtampsigmatepsilont sigma2tampgamma0 gamma1 r 2 delta1 sigma2 إند لدي تقديرات مختلفة للمعاملات وأحتاج إلى تفسيرها. لذلك أنا أتساءل عن تفسير لطيف، لذلك ما gamma0، gamma1 و delta1 تمثل أرى أن gamma0 هو شيء مثل جزء ثابت. لذلك فهو يمثل نوعا من التقلبات المحيطة. وتمثل غاما 1 التكيف مع الصدمات السابقة. أيضا، فإن delta1 ليس حدسي جدا بالنسبة لي: وهو يمثل تعديل لتقلب باس. ولكنني أود أن يكون لديكم تفسير أفضل وأكثر شمولا لهذه البارامترات. لذلك يمكن لأي شخص أن يعطيني تفسيرا جيدا لما تمثله هذه المعلمات وكيف يمكن تفسير تغيير في المعلمات (لذلك ما يعني إذا كان على سبيل المثال زيادة gamma1). أيضا، نظرت إليه في العديد من الكتب (على سبيل المثال في تساي)، ولكن لم أتمكن من العثور على معلومات جيدة، لذلك أي توصية الأدب حول تفسير هذه المعايير سيكون موضع تقدير. تحرير: وأود أن تكون مهتمة أيضا في كيفية تفسير استمرار. لذلك ما هو استمرار تماما في بعض الكتب قرأت، أن استمرار غارتش (1،1) هو gamma1delta1، ولكن على سبيل المثال. في كتاب كارول ألكسندر في الصفحة 283 يتحدث عن معلمة بيتا فقط (بلدي delta1) كونها معلمة استمرار. لذلك هناك فرق بين استمرار في تقلب (سيغمات) والمثابرة في الصدمات (رت) طلب يونيو 15 13 في 14: 32 ملاحظة: سوف إدر المجموعة الاستشارية الإحصائية ترحيل الموقع إلى وورد كمس في فبراير لتسهيل الصيانة وإنشاء محتوى جديد. 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 الاستشارات الاستشارية من خلال إعطاء هدية ستاتا المشروح الناتج تحليل الانحدار اللوجستي تعرض هذه الصفحة مثالا لتحليل الانحدار اللوجستي مع الحواشي السفلية التي توضح الإخراج. وقد جمعت هذه البيانات عن 200 طالب في المدارس الثانوية، وكانت درجات في مختلف الاختبارات، بما في ذلك العلوم والرياضيات والقراءة والدراسات الاجتماعية (سوست). المتغير الإناث هو متغير ثنائي التفرع المشفرة 1 إذا كان الطالب الإناث و 0 إذا كان الذكور. ولأننا لا نملك متغير ثنائي التفرع المناسب لاستخدامه كمتغير تابع لدينا، فإننا سنقوم بإنشاء واحد (الذي سنطلق عليه هونكومب لتكوين الشرف) استنادا إلى الكتابة المتغيرة المستمرة. نحن لا ندعو إلى جعل المتغيرات ثنائية التفرع من المتغيرات المستمرة بدلا من ذلك، ونحن نفعل هذا هنا فقط لأغراض هذا التوضيح. سجل التكرار أ. هذه قائمة باحتمالات السجل في كل تكرار. (تذكر أن الانحدار اللوجستي يستخدم أقصى احتمال، وهو إجراء تكراري.) التكرار الأول (تسمى التكرار 0) هو احتمال سجل نموذج كوتنولكوت أو كيمبتيكوت، وهو نموذج بدون أي تنبؤات. في التكرار التالي، يتم تضمين المتنبئ (s) في النموذج. في كل تكرار، يزيد احتمال السجل لأن الهدف هو تحقيق أقصى قدر من احتمال السجل. عندما يكون الفرق بين التكرارات المتعاقبة صغير جدا، يقال إن النموذج يحتوي على كوتكونفيرجكوت، يتم إيقاف التكرار ويتم عرض النتائج. لمزيد من المعلومات حول هذه العملية، راجع نماذج الانحدار للمتغيرات التابعة كاتيغوريكال و ليميتد بواسطة J. سكوت لونغ. ملخص النموذج ب. احتمال السجل - هذا هو احتمال السجل للنموذج النهائي. قيمة -80.11818 ليس له معنى في حد ذاته، ويمكن استخدام هذا العدد للمساعدة في مقارنة نماذج متداخلة. ج. عدد المشاهدات - هذا هو عدد الملاحظات التي تم استخدامها في التحليل. قد يكون هذا الرقم أصغر من العدد الإجمالي للملاحظات في مجموعة البيانات الخاصة بك إذا كان لديك قيم مفقودة لأي من المتغيرات المستخدمة في الانحدار اللوجستي. يستخدم ستاتا حذف قائمة افتراضيا، مما يعني أنه إذا كان هناك قيمة مفقودة لأي متغير في الانحدار اللوجستي، سيتم استبعاد الحالة بأكملها من التحليل. د. لر chi2 (3) - هذا هو نسبة احتمال (لر) تشي مربع الاختبار. يمكن حساب احتمالية اختبار خي مربع مربع باليد 2 (115.64441 - 80.11818) 71.05. هذا هو ناقص اثنين (أي -2) أضعاف الفرق بين بداية ونهاية السجل احتمال. الرقم في الأقواس يشير إلى عدد درجات الحرية. في هذا النموذج، هناك ثلاثة تنبؤات، لذلك هناك ثلاث درجات من الحرية. ه. بروب غ chi2 - هذا هو احتمال الحصول على إحصاء تشي مربع نظرا لأن الفرضية الصفرية صحيحة. وبعبارة أخرى، هذا هو احتمال الحصول على هذه الإحصائية تشي مربع (71.05) إذا كان هناك في الواقع أي تأثير للمتغيرات المستقلة، مجتمعة، على المتغير التابع. هذا هو، بطبيعة الحال، قيمة p، التي يتم مقارنتها بقيمة حرجة، ربما 0.05 أو 0.01 لتحديد ما إذا كان النموذج العام ذو دلالة إحصائية. في هذه الحالة، يكون النموذج ذو دلالة إحصائية لأن قيمة p أقل من 1000. F. الزائفة R2 - وهذا هو الزائفة R - تربيع. الانحدار اللوجستي ليس لديه ما يعادل R - التربيع الذي يوجد في انحدار عملية شريان الحياة للسودان، ولكن العديد من الناس حاولوا التوصل إلى واحد. هناك مجموعة واسعة من الإحصاءات الزائفة R - مربع. ولأن هذه الإحصائية لا تعني ما يعنيه R-سكوار في انحدار عملية شريان الحياة للسودان (نسبة التباين التي يفسرها المتنبؤون)، نقترح تفسير هذه الإحصائية بحذر شديد. تقديرات المعلمات g. هونكومب - هذا هو المتغير التابع في الانحدار اللوجستي لدينا. المتغيرات المدرجة أدناه هي المتغيرات المستقلة. ح. كويف. - هذه هي قيم معادلة الانحدار اللوجستي للتنبؤ بالمتغير التابع من المتغير المستقل. هم في لوغ-أودز وحدات. وعلى غرار انحدار عملية شريان الحياة للسودان، فإن معادلة التنبؤ هي لوغ (p1-p) b0 b1female b2read b3science حيث p هو احتمال وجوده في تكوين مرتبة الشرف. المعبر عن المتغيرات المستخدمة في هذا المثال، معادلة الانحدار اللوجستي هي لوغ (p1-p) -12.7772 1.482498female .1035361read 0947902science هذه التقديرات تخبرك عن العلاقة بين المتغيرات المستقلة والمتغير التابع، حيث يكون المتغير التابع هو على مقياس لوجيت. وتفيد هذه التقديرات مقدار الزيادة في احتمالات السجل المتوقعة ل هونكومب 1 التي يمكن التنبؤ بها بزيادة قدرها 1 وحدة في التنبؤ، مع الاحتفاظ بجميع المتنبئات الأخرى ثابتة. ملاحظة: بالنسبة للمتغيرات المستقلة التي ليست كبيرة، فإن المعاملات لا تختلف كثيرا عن 0، والتي ينبغي أن تؤخذ في الاعتبار عند تفسير المعاملات. (انظر الأعمدة ذات قيم z وقيم p فيما يتعلق باختبار ما إذا كانت المعاملات ذات دلالة إحصائية). ولأن هذه المعاملات في وحدات لوغ-أودز، فإنها غالبا ما تكون صعبة التفسير، لذلك غالبا ما يتم تحويلها إلى نسب خلاف. يمكنك القيام بذلك باليد بواسطة إكسبوننتياتينغ المعامل، أو باستخدام الخيار أو مع الأمر لوجيت، أو باستخدام الأمر لوجيستيك. الإناث - معامل (أو تقدير المعلمة) للمتغير الإناث هو 1.482498. وهذا يعني أنه من أجل زيادة وحدة واحدة في الإناث (وبعبارة أخرى، الانتقال من الذكور إلى الإناث)، ونحن نتوقع زيادة 1.482498 في لوغ-أودز من المتغير التابع هونكومب. مع االحتفاظ بجميع المتغيرات المستقلة األخرى ثابتة. قراءة - لكل زيادة وحدة واحدة في درجة القراءة (لذلك، لكل نقطة إضافية على اختبار القراءة)، ونحن نتوقع زيادة .1035361 في سجل لوغ-أوفدس من هونكومب. مع االحتفاظ بجميع المتغيرات المستقلة األخرى ثابتة. العلوم - لكل زيادة وحدة واحدة في درجة العلوم، ونحن نتوقع زيادة .0947902 في سجل-خلاف هونكومب. مع االحتفاظ بجميع المتغيرات المستقلة األخرى ثابتة. ثابت - هذه هي القيمة المتوقعة لوغ-لوغ أوف هونكومب عندما تكون جميع متغيرات التنبؤ تساوي الصفر. في معظم الحالات، وهذا ليس للاهتمام. أيضا، في كثير من الأحيان الصفر ليست قيمة واقعية لمتغير لاتخاذ. أنا. الأمراض المنقولة جنسيا. يخطئ. - هذه هي الأخطاء القياسية المرتبطة بالمعاملات. ويستخدم الخطأ المعياري لاختبار ما إذا كانت المعلمة تختلف اختلافا كبيرا عن 0 بقسمة تقدير المعلمة على الخطأ المعياري الذي تحصل عليه قيمة z (انظر العمود مع قيم z وقيم p). ويمكن أيضا استخدام الأخطاء القياسية لتشكيل فاصل ثقة للمعلمة، كما هو مبين في العمودين الأخيرين من هذا الجدول. ي. z و بغتز - توفر هذه الأعمدة قيمة p و قيمة 2-تايلد p المستخدمة في اختبار الفرضية الصفرية أن المعامل (المعامل) هو 0. إذا كنت تستخدم اختبار 2-تايلد، فإنك تقارن كل قيمة p إلى القيمة المحددة مسبقا من ألفا. المعاملات ذات قيم p أقل من ألفا ذات دلالة إحصائية. على سبيل المثال، إذا اخترت ألفا لتكون 0.05، فإن المعاملات التي لها قيمة p 0.05 أو أقل ستكون ذات دلالة إحصائية (بمعنى أنه يمكنك رفض الفرضية الصفرية ويقولون إن المعامل يختلف اختلافا كبيرا عن 0). إذا كنت تستخدم اختبار 1-تايلد (أي تتوقع أن المعلمة سوف تذهب في اتجاه معين)، ثم يمكنك تقسيم قيمة p قبل 2 مقارنة ذلك إلى مستوى ألفا انتقاؤه مسبقا. مع اختبار ثنائي الذيل و ألفا من 0.05، يمكنك رفض الفرضية الصفرية أن معامل الإناث يساوي 0. معامل 1.482498 أكبر بكثير من 0. معامل القراءة هو .1035361 يختلف كثيرا عن 0 باستخدام ألفا من 0.05 لأن قيمة p هي 0.000، وهي أصغر من 0.05. معامل العلم هو .0947902 يختلف كثيرا عن 0 باستخدام ألفا 0.05 لأن قيمته p 0.000، وهي أصغر من 0.05. ك. 95 كونف. الفاصل الزمني - وهذا يدل على فترة الثقة 95 للمعامل. هذا مفيد جدا لأنه يساعدك على فهم كيف عالية ومدى انخفاض القيمة السكانية الفعلية للمعلمة قد يكون. وترتبط فترات الثقة بقيم p بحيث لا يكون المعامل ذا دلالة إحصائية إذا كانت فترة الثقة تشمل 0. نسب الأرجحية في هذا المثال التالي، سنوضح تفسير نسب الأرجحية. سوف نستخدم الأمر اللوجستي حتى نرى نسب الأرجحية بدلا من المعاملات. في هذا المثال، سنقوم بتبسيط نموذجنا بحيث يكون لدينا واحد فقط متنبأ، الإناث متغير ثنائي. قبل أن نقوم بتشغيل الانحدار اللوجستي، سوف نستخدم الأمر علامة التبويب للحصول على جدول زمني من المتغيرين. إذا قمنا بتقسيم عدد الذكور الذين هم في تكوين الشرف، 18، من قبل عدد من الذكور الذين ليسوا في تكوين مرتبة الشرف، 73، نحصل على احتمالات كونها في تكوين مرتبة الشرف للذكور، 1873 .24657534. إذا فعلنا نفس الشيء بالنسبة للإناث، نحصل على 3574 .47297297. للحصول على نسبة الأرجحية، والتي هي نسبة من اثنين من الاحتمالات التي قمنا حسابها فقط، نحصل على .47297297.24657534 1.9181682. كما نستطيع أن نرى في الناتج أدناه، وهذا هو بالضبط نسبة الاحتمالات التي نحصل عليها من القيادة اللوجستية. الشيء الذي يجب تذكره هنا هو أنك تريد أن تكون المجموعة مشفرة ك 1 على المجموعة التي تم ترميزها ك 0، لذلك honcomp1honcomp0 لكل من الذكور والإناث، ومن ثم احتمالات الإناث في الذكور، لأن الإناث يتم ترميزها ك 1. فيما يتعلق 95، لا نريد أن يتضمن ذلك قيمة 1. عندما كنا نفكر في المعاملات، لم نكن نريد فترة الثقة لتشمل 0. إذا نحن إكسبوننتيات 0، نحصل على 1 (إكس (0) 1). ومن هنا، فهذه طريقتان لقول الشيء نفسه. كما ترون، يتضمن 95 فترة الثقة 1 وبالتالي، فإن نسبة الأرجحية ليست ذات دلالة إحصائية. لأن الحد الأدنى من فترة الثقة 95 قريبة جدا من 1، وقيمة p قريبة جدا من 0.05. هناك بعض الأمور الأخرى التي يجب مراعاتها حول الإخراج أدناه. الأول هو أنه على الرغم من أن لدينا متغير واحد متنبأ فقط، لا يتطابق اختبار نسبة الأرجحية مع الاختبار العام للنموذج. وذلك لأن الإحصاء z هو في الواقع نتيجة اختبار والد تشي مربع، في حين أن اختبار النموذج العام هو نسبة احتمال تشي مربع. في حين أن هذين النوعين من الاختبارات تشي مربع هي مكافئ نظريا، في عينات صغيرة يمكن أن تختلف، كما يفعلون هنا. أيضا، لدينا حالة مؤسفة حيث نتائج الاختبارين تعطي استنتاجات مختلفة. هذا لا يحدث في كثير من الأحيان. في مثل هذه الحالة، من الصعب معرفة ما يمكن أن نستنتج. يمكن للمرء أن ينظر في السلطة، أو يمكن للمرء أن يقرر ما إذا كانت نسبة الأرجحية من هذا الحجم مهمة من وجهة نظر سريرية أو عملية. محتوى هذا الموقع لا ينبغي أن يفسر على أنه تأييد لأي موقع ويب معين، كتاب، أو منتج البرمجيات من قبل جامعة كاليفورنيا.