Teilweise Test In Stata Forex

Re: St: Teil F Test Mi, 18 Okt 2006 22:14:23 -0500 Deine Referenzen auf die Schaffung eines neuen Datensatzes lassen mich vermuten, dass jmp (was auch immer das ist) Dinge etwas anders machen muss als Stata. Ich denke, was du einen Teil-F-Test nennst, nenne ich einen inkrementellen F-Test. Entweder das oder ich verstehe die Frage nicht. Vielleicht willst du so etwas wie das: regress y x1 x2 x3 x4 test x3 x4 dh die Hypothese, dass die Effekte von x3 und x4 beide 0 sind. Du könntest auch so etwas wie nestreg: regress y (x1 x2) (x3 x4) Lets Angenommen, Sie haben irgendwie eine Variable namens Ausreißer erstellt, die 1 für Fälle entspricht, die Sie ausschließen möchten, 0 für Fälle, die Sie behalten möchten. Benutze das if-Qualifikationsmerkmal bei regress. Regress y x1 x2 x3 x4 if outlier 0 Für einen Überblick über die Verwendung von Stata für OLS Regression, siehe ------------------------------ ------------- Richard Williams, Notre Dame Abt. Soziologie BÜRO: (574) 631-6668, (574)631-6463 FAX: (574)288-4373 HOME: (574) 289 -5227 E-MAIL: Richard. A.Williams.5ND. Edu WWW (persönlich): nd. edu rwilliam WWW (Abteilung): nd. eduDer F-Test für lineare Regression Definitionen für Regression mit Intercept n ist die Anzahl der Beobachtungen, p ist Die Anzahl der Regressionsparameter. Korrigierte Summe der Quadrate für das Modell: SSM Sigma i1 n (y y - y) 2, auch Summe der Quadrate für die Regression genannt. Summe der Quadrate für Fehler: SSE Sigma i1 n (y i - y i) 2, auch Summe von Quadraten für Residuen genannt. Korrigierte Summe der Quadrate Gesamt: SST Sigma i1 n (y i - y) 2 Dies ist die Stichprobenvarianz der y - Variablen multipliziert mit n - 1. Für mehrere Regressionsmodelle SSM SSE SST. Korrigierte Freiheitsgrade für das Modell: DFM p - 1 Freiheitsgrade für Fehler: DFE n - p Korrigierte Freiheitsgrade Gesamt: DFT n - 1 Subtrahiere 1 von n für die korrigierten Freiheitsgrade. Horizontale Linienregression ist das Nullhypothesenmodell. Für mehrere Regressionsmodelle mit Intercept, DFM DFE DFT. Mittler von Squares für Modell: MSM SSM DFM Mittelwert für Fehler: MSE SSE DFE Die Stichprobenvarianz der Residuen. In einer Weise analog zu Eigenschaft 10 von Eigenschaften von Zufallsvariablen. Dass s 2 für Sigma 2 unvoreingenommen ist. Es kann gezeigt werden, dass MSE für Sigma 2 für multiple Regressionsmodelle unparteiisch ist. Mittelwert von Squares Total: MST SST DFT Die Stichprobenvarianz der y-Variablen. Im Allgemeinen möchte ein Forscher die Variation aufgrund des Modells (MSM) in Bezug auf die Variation aufgrund der Residuen (MSE) groß sein. Hinweis: Die Definitionen in diesem Abschnitt sind nicht gültig für die Regression durch die Ursprungsmodelle. Sie benötigen die Verwendung von unkorrigierten Summen von Quadraten. Der F-Test Für ein multiples Regressionsmodell mit Intercept wollen wir die folgende Nullhypothese und alternative Hypothese testen: H 1. Beta j ne 0, für mindestens einen Wert von j Dieser Test wird als der gesamte F-Test für die Regression bekannt. Hier sind die fünf Schritte des gesamten F-Tests für die Regression die Null - und Alternativhypothesen: H 1. Beta j ne 0, für mindestens einen Wert von j Berechnen Sie die Teststatistik unter der Annahme, dass die Nullhypothese wahr ist: F MSM MSE (erklärt Varianz) (unerklärliche Varianz) Finden Sie ein (1 - alpha) 100 Konfidenzintervall I für (DFM, DFE) Freiheitsgrade mit einer F-Tabelle oder statistischer Software. Akzeptiere die Nullhypothese, wenn F isin ich es ablehne, wenn ich mich nicht benutze. Verwenden Sie statistische Software, um den p-Wert zu bestimmen. Praxisproblem: Für ein multiples Regressionsmodell mit 35 Beobachtungen und 9 unabhängigen Variablen (10 Parameter), SSE 134 und SSM 289, testen Sie die Nullhypothese, dass alle Regressionsparameter bei 0,05 Leveln null sind. Lösung: DFE n - p 35 - 10 25 und DFM p - 1 10 - 1 9. Hier sind die fünf Schritte der Hypotheseprüfung: die Null - und Alternativhypothese: H 1. Beta j 0 für einige j Berechnen Sie die Teststatistik: F MSMMSE (SSMDFM) (SSEDFE) (2899) (13425) 32.111 5.360 5.991 Finden Sie ein (1 - 0,05) mal100 Konfidenzintervall für die Teststatistik. Schau in die F-Tabelle bei der 0,05-Eingabe für 9 df im Zähler und 25 df im Nenner. Dieser Eintrag ist 2,28, also ist das 95 Konfidenzintervall 0, 2.34. Dieses Konfidenzintervall kann auch mit dem R-Funktionsaufruf qf (0,95, 9, 25) gefunden werden. Entscheiden Sie, ob die Nullhypothese akzeptiert oder abgelehnt werden soll: 5.991 notin 0, 2.28, also H 0 zurückweisen. Bestimmen Sie den p-Wert. Um den genauen p-Wert zu erhalten, verwenden Sie statistische Software. Allerdings können wir eine grobe Annäherung an den p-Wert finden, indem wir die anderen Einträge in der F-Tabelle für (9, 25) Freiheitsgrade untersuchen: Der F-Wert ist 5,991, also muss der p-Wert kleiner als 0,005 sein . Überprüfen Sie den Wert der F-Statistik für das Hamster-Beispiel. Die R 2 und die angepaßten R 2 - Werte Für eine einfache lineare Regression ist R 2 das Quadrat der Probenkorrelation r xy. Für mehrere lineare Regression mit Intercept (die einfache lineare Regression beinhaltet), ist es als r 2 SSM SST definiert. In beiden Fällen gibt R 2 den Anteil der Variation in der y-Variablen an, der auf eine Variation der x-Variablen zurückzuführen ist. Viele Forscher bevorzugen stattdessen den eingestellten R 2 - Wert R 2, der für eine große Anzahl von Parametern im Modell bestraft wird: R 2 1 - (1 - R 2) (n - 1) (n - p) Hierbei ist die Ableitung von R 2. R 2 ist definiert als 1 - SSESST oder 1 - R 2 SSESST. Um die Anzahl der Regressionsparameter p zu berücksichtigen, definieren Sie den eingestellten R-Quadratwert as1 - R 2 MSEMST, wobei MSE SSEDFE SSE (n - p) und MST SSTDFT SST (n - 1). Somit ist SSE (n - 1) (n - 1) (n - 1) (n - 1) (n - 1) (n - 1) (n - p) 1 - (1 - R 2) (N - 1) (n - p) Praxisproblem: Ein Regressionsmodell hat 9 unabhängige Variablen, 47 Beobachtungen und R 2 0.879.Se: p 10 und n 47. R 2 1 - (1 - R 2) (n - 1) (n - p) 1 - (1 - 0,879) (47 - 1) (47 - 10) 0,8496.