Per domande brevi e-mail dataprinceton. edu. Nessun pony. necessaria durante ore walk-in. Nota: il laboratorio DSS è aperto fintanto che Firestone è aperta, nessun appuntamento necessario utilizzare il computer del laboratorio per la propria analisi. Log trasformazioni Se la distribuzione di una variabile ha un disallineamento positivo, prendendo un logaritmo naturale della variabile volte aiuta raccordo variabile in un modello. Entra trasformazioni rendono distribuzione positivamente asimmetrica più normale. Inoltre, quando un cambiamento nella variabile dipendente è correlata con variazione percentuale variabile indipendente, o viceversa, il rapporto è meglio modellato prendendo il logaritmo naturale di una o entrambe le variabili. Per esempio, ho stima persone salariali basati su quelli istruzione, l'esperienza, e la regione di residenza utilizzando Statas nlsw88 dati di esempio, un estratto dal 1988 Nazionale Logitudinal studio di donne giovani. Sembra ok, ma quando guardo la distribuzione del possesso, sembra un po 'distorta. Così ho calcolare un logaritmo naturale del mandato. Sembra aver oltrepassato un po ', ma guarda un po' normale. Provo una regressione con il mandato registrato. L'R-squared ha ottenuto un po 'più alto, in modo da prendere il logaritmo naturale sembra aver contribuito ad adattarsi così il modello migliore. Quando si registra la variabile indipendente ma non la variabile dipendente, una variazione percentuale nella variabile indipendente è associata con 1100 volte la variazione coefficiente nella variabile dipendente. previsto salario -1.6390.681GRADE0.774LNTENURE-1.134SOUTH Così uno per cento di aumento in possesso è associato ad un aumento del salario di 0.01x0.774 o circa 0,0077. Ora esamino il salario, e trovo che è molto inclinata. Così prendo un logaritmo naturale del salario, e guardo la distribuzione dei salari registrato. La distribuzione sembra molto più normale. Ora corro lo stesso di regressione con il salario connesso come variabile dipendente. Quando si registra la variabile dipendente, ma non una variabile indipendente, un cambiamento una unità della variabile indipendente è associata a 100 volte la variazione percentuale coefficiente nella variabile dipendente. In questi dati, mandato si misura in anni: così, un aumento di anno in possesso aumenta il salario da 100x0.026 o circa 2,6. Se abbiamo registrato sia il dipendente e una variabile indipendente, allora siamo di fronte a elasticità: variazione percentuale nei risultati di X in variazione percentuale Y. predetto lnwage 0.659 0.084GRADE0.136LNTENURE-0.151SOUTH aumento di un per cento in possesso è stimata a provocare su 0.136 aumento di salario. copiare 2007 Il Truestees della Princeton University. Tutti i diritti riservati. dataprinceton. edu Questa pagina è stata aggiornata il 28 agosto, modelli statistici 2008Linear ultimo: Regressione di trasformazione dei dati Scopo del Trasformazioni linearizzare modello di regressione. Per stabilizzare varianza (ridurre l'eterogeneità della varianza, eteroscedasticità). Per normalizzare le variabili. Alcune trasformazioni serviranno più di uno scopo. Ad esempio, una trasformazione che linearizza una variabile può anche aiutare a normalizzare it. Transformations Può essere necessario a causa di: considerazioni teoriche. Variabile dipendente può avere una distribuzione di probabilità in cui la media è correlato alla varianza. L'evidenza empirica dall'esame dei residui. Le variabili da trasformare la variabile dipendente può essere trasformato. Nota: Ciò effettua il rapporto della variabile dipendente con tutte le variabili predittive del modello. variabili predittive individuali possono essere trasformati. Entrambe le variabili dipendenti e indipendenti possono essere trasformati grossi inconvenienti Interpretazione della regressione comporta variabili trasformate e non le variabili originali stessi. Rapporto tra le variabili trasformate alle variabili originali può essere difficile o confusione. Trasformazione potrebbe non essere in grado di correggere tutti i problemi nei dati originali di regressione può ancora essere sospetto. 1. Per linearizzare modello di regressione con l'aumentare costantemente pendio. 2. Stabilizzare varianza quando varianza dei residui aumenta sensibilmente con l'aumentare Y. 3. Per normalizzare Y quando la distribuzione dei residui è positivamente inclinata. Stata Esempio Radice quadrata (SQRT) trasformazione usato per stabilizzare varianza quando proporzionale alla media di Y soprattutto quando Y approssima una distribuzione di Poisson. Per stabilizzare la varianza quando proporzionale alla quarta potenza della media di Y, cioè enorme aumento della varianza sopra una certa soglia di Y. Scopo è quello di mimnimize effetto di grandi valori di Y. trasformati grande Ys sarà vicino a zero, così forti aumenti Y provocherà diminuzioni solo banali a Y. 1. Linearizza quando X vs Y è curvilinea verso il basso, cioè pendenza diminuisce all'aumentare X .. 2. Stabilizzare varianza quando diminuisce con la media di Y. 3. Normalizza Y quando la distribuzione dei residui è negativamente inclinata. Stabilizzare varianza quando Y è una parte o di un tasso di Poisson Distribution possibili trasformazioni: Poisson Esempi Numero di eventi in un momento specifico periodo, area o volume. Incidenti per gli errori di battitura mese per pagina parti per milione di tossine negli arrivi emissioni per meinte al cassiere finestra Numero di guasti del computer al mese binomiale Distribuzione trasformazione possibili: Negativo distribuzione binomiale Consente di iniziare con una distribuzione fortemente asimmetrica. SQRT Trasformazione: meglio Log Trasformazione: troppo elevato alla .25 Potenza: migliore finora Cosa fare se non puoi capire che la trasformazione da utilizzare Scala dei poteri: Fa ciascuna delle seguenti trasformazioni e test per la normalità. Y 3. Y 2. Y, sqrt (Y), ln (Y), 1sqrt (Y), 1Y, 1Y 2. 1Y 3. In Stata il comando è: Box-Cox trasformazione: Trova il valore U per la trasformazione, (yu -1) u, che normalizza la variabile trasformata. I valori trasformate devono essere strettamente positiva, cioè maggiore di zero. In Stata il comando è:
No comments:
Post a Comment