Презентация на тему: ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция

Реклама. Продолжение ниже
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция
1/14
Средняя оценка: 4.0/5 (всего оценок: 95)
Код скопирован в буфер обмена
Скачать (594 Кб)
Реклама. Продолжение ниже
1

Первый слайд презентации

ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция выше показывает результат регрессии ДОХОДА, почасового дохода в долларах умноженного на S, годы обучения и EXP, годы опыта работы. 1 . reg EARNINGS S EXP ---------------------------------------------------------------------------- Начало | SS df MS Number of obs = 500 -----------+------------------------------ F( 2, 497) = 35.24 Модель | 8735.42401 2 4367.712 Prob > F = 0.0000 Остаток | 61593.5422 497 123.930668 R-squared = 0.1242 -----------+------------------------------ Adj R-squared = 0.1207 Всего | 70328.9662 499 140.939812 Root MSE = 11.132 ---------------------------------------------------------------------------- Доход | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- S | 1.877563.2237434 8.39 0.000 1.437964 2.317163 EXP |.9833436.2098457 4.69 0.000.5710495 1.395638 _cons | -14.66833 4.288375 -3.42 0.001 -23.09391 -6.242752 ----------------------------------------------------------------------------

Изображение слайда
Изображение для работы со слайдом
1/2
2

Слайд 2

2 Предположим, что Вы интересовались отношением между ДОХОДОМ и S и хотели представить его графически, используя типовые данные. ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА

Изображение слайда
Изображение для работы со слайдом
1/2
3

Слайд 3

3 Простой график ввел бы в заблуждение ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА

Изображение слайда
Изображение для работы со слайдом
1/2
4

Слайд 4

4 Обучение отрицательно коррелируется с опытом работы. График проваливается и нужно обратить на это внимание, и как следствие линия регресса недооценивает воздействие обучения на доход ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
1/3
5

Слайд 5

5 Мы исследуем искажение математически, когда мы дойдем до смещения из-за снятых переменных ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
1/3
6

Слайд 6

6 Чтобы устранить искажение, м ы производим чистку обоих и ДОХОДОВ и S, их компонентов, связанных с EXP, и затем рисуем диаграмму разброса, используя очищенные переменные. ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
1/3
7

Слайд 7

. reg EARNINGS EXP ---------------------------------------------------------------------------- Source | SS df MS Number of obs = 500 -----------+------------------------------ F( 1, 498) = 0.06 Model | 8.36885807 1 8.36885807 Prob > F = 0.8078 Residual | 70320.5974 498 141.206019 R-squared = 0.0001 -----------+------------------------------ Adj R-squared = -0.0019 Total | 70328.9662 499 140.939812 Root MSE = 11.883 ---------------------------------------------------------------------------- EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- EXP | -.0442828.1818981 -0.24 0.808 -.4016651.3130996 _cons | 19.86614 1.287089 15.43 0.000 17.33735 22.39494 ---------------------------------------------------------------------------- . predict EEARN, resid 7 Мы начинаем, возвращая ДОХОД на EXP, как показано выше. Остатки - часть ДОХОДА, которая не связана с ЭКСПОРТОМ, команда 'предсказать' - команда Stata для экономии остатков от нового регресса. Мы называем их EEARN. ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА

Изображение слайда
1/1
Реклама. Продолжение ниже
8

Слайд 8

. reg S EXP ---------------------------------------------------------------------------- Source | SS df MS Number of obs = 500 -----------+------------------------------ F( 1, 498) = 257.18 Model | 1278.43322 1 1278.43322 Prob > F = 0.0000 Residual | 2475.58878 498 4.9710618 R-squared = 0.3406 -----------+------------------------------ Adj R-squared = 0.3392 Total | 3754.022 499 7.52309018 Root MSE = 2.2296 ---------------------------------------------------------------------------- S | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- EXP | -.5473191.0341292 -16.04 0.000 -.6143741 -.4802641 _cons | 18.39324.241494 76.16 0.000 17.91877 18.86771 ---------------------------------------------------------------------------- . predict ES, resid 8 Мы делаем то же самое с S. Мы возвращаемся к EXP и сохраняем остатки как ES ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА

Изображение слайда
1/1
9

Слайд 9

9 Теперь мы готовим EEARN на ES, и разброс - верное представление отношений, обоих с точки зрения наклона линии тенденции (твердая линия) и с точки зрения изменения о той линии. ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА

Изображение слайда
Изображение для работы со слайдом
1/2
10

Слайд 10

10 Как Вы ожидали бы, линия тенденции более крута, что в диаграмме разброса, которая не управляла для EXP (воспроизведенный здесь как пунктирная линия). ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА

Изображение слайда
Изображение для работы со слайдом
1/2
11

Слайд 11

11 Вот регресс EEARN на ES. ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА . reg EEARN ES Source | SS df MS Number of obs = 500 -----------+------------------------------ F( 1, 498) = 70.56 Model | 8727.05507 1 8727.05507 Prob > F = 0.0000 Residual | 61593.5414 498 123.68181 R-squared = 0.1241 -----------+------------------------------ Adj R-squared = 0.1223 Total | 70320.5965 499 140.923039 Root MSE = 11.121 ---------------------------------------------------------------------------- EEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- ES | 1.877563.2235186 8.40 0.000 1.438408 2.316719 _cons | -1.32e-08.4973566 -0.00 1.000 -.977176.977176 ----------------------------------------------------------------------------

Изображение слайда
1/1
12

Слайд 12

12 Математическое доказательство, что работы техники требуют матричной алгебры. Мы будем довольствоваться, проверяя, что оценка наклонного коэффициента совпадает с в многократном регрессе. ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА From multiple regression: . reg EEARN ES Source | SS df MS Number of obs = 500 -----------+------------------------------ F( 1, 498) = 70.56 Model | 8727.05507 1 8727.05507 Prob > F = 0.0000 Residual | 61593.5414 498 123.68181 R-squared = 0.1241 -----------+------------------------------ Adj R-squared = 0.1223 Total | 70320.5965 499 140.923039 Root MSE = 11.121 ---------------------------------------------------------------------------- EEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- ES | 1.877563.2235186 8.40 0.000 1.438408 2.316719 _cons | -1.32e-08.4973566 -0.00 1.000 -.977176.977176 ---------------------------------------------------------------------------- . reg EARNINGS S EXP ---------------------------------------------------------------------------- EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- S | 1.877563.2237434 8.39 0.000 1.437964 2.317163 EXP |.9833436.2098457 4.69 0.000.5710495 1.395638 _cons | -14.66833 4.288375 -3.42 0.001 -23.09391 -6.242752 ----------------------------------------------------------------------------

Изображение слайда
1/1
13

Слайд 13

13 Наконец, маленькое и не очень важный технический пункт. Вы, возможно, заметили, что стандартная ошибка и t статистическая величина действительно не совсем соответствуют. Причина этого состоит в том, что количество степеней свободы завышено 1 в регрессе остатков. ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА From multiple regression: . reg EEARN ES Source | SS df MS Number of obs = 500 -----------+------------------------------ F( 1, 498) = 70.56 Model | 8727.05507 1 8727.05507 Prob > F = 0.0000 Residual | 61593.5414 498 123.68181 R-squared = 0.1241 -----------+------------------------------ Adj R-squared = 0.1223 Total | 70320.5965 499 140.923039 Root MSE = 11.121 ---------------------------------------------------------------------------- EEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- ES | 1.877563.2235186 8.40 0.000 1.438408 2.316719 _cons | -1.32e-08.4973566 -0.00 1.000 -.977176.977176 ---------------------------------------------------------------------------- . reg EARNINGS S EXP ---------------------------------------------------------------------------- EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- S | 1.877563.2237434 8.39 0.000 1.437964 2.317163 EXP |.9833436.2098457 4.69 0.000.5710495 1.395638 _cons | -14.66833 4.288375 -3.42 0.001 -23.09391 -6.242752 ----------------------------------------------------------------------------

Изображение слайда
1/1
14

Последний слайд презентации: ИЗОБРАЖЕНИЕ ГРАФИКА ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ РЕГРЕССИОННОЙ МОДЕЛИ Продукция

14 Тот регресс не делал поправку на то, что мы уже израсходовали 1 степень свободы в удалении EXP из модели. ГРАФИК ОТНОШЕНИЙ В МНОГОЧИСЛЕННОЙ МОДЕЛИ РЕГРЕССА From multiple regression: . reg EEARN ES Source | SS df MS Number of obs = 500 -----------+------------------------------ F( 1, 498) = 70.56 Model | 8727.05507 1 8727.05507 Prob > F = 0.0000 Residual | 61593.5414 498 123.68181 R-squared = 0.1241 -----------+------------------------------ Adj R-squared = 0.1223 Total | 70320.5965 499 140.923039 Root MSE = 11.121 ---------------------------------------------------------------------------- EEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- ES | 1.877563.2235186 8.40 0.000 1.438408 2.316719 _cons | -1.32e-08.4973566 -0.00 1.000 -.977176.977176 ---------------------------------------------------------------------------- . reg EARNINGS S EXP ---------------------------------------------------------------------------- EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval] -----------+---------------------------------------------------------------- S | 1.877563.2237434 8.39 0.000 1.437964 2.317163 EXP |.9833436.2098457 4.69 0.000.5710495 1.395638 _cons | -14.66833 4.288375 -3.42 0.001 -23.09391 -6.242752 ----------------------------------------------------------------------------

Изображение слайда
1/1
Реклама. Продолжение ниже
Реклама. Продолжение ниже