स्थानीय प्रतिगमन - इन - stata - विदेशी मुद्रा

XTFMB: फ़ैमा-मैकबेथ दो-चरण पैनल प्रतिगमन को निष्पादित करने के लिए स्टेटा मॉड्यूल सुधार करने का अनुरोध करते समय, कृपया यह आइटम संभाल लें: RePEc: boc: bocode: s456786 रीपीसी में सामग्री को कैसे ठीक करें, इसके बारे में सामान्य जानकारी देखें इस मद से संबंधित तकनीकी प्रश्नों के लिए, या अपने लेखकों, शीर्षक, सार, ग्रंथ सूची या डाउनलोड जानकारी को सही करने के लिए संपर्क करें: (क्रिस्टोफर एफ बैम) यदि आपने यह आइटम लिखा है और अभी तक रीपीसी के साथ पंजीकृत नहीं हैं, तो हम आपको इसे यहां करने के लिए प्रोत्साहित करते हैं । यह आपकी प्रोफ़ाइल को इस आइटम से लिंक करने की अनुमति देता है यह आपको इस मद के संभावित उद्धरणों को स्वीकार करने की भी अनुमति देता है, जिसके बारे में हम अनिश्चित हैं। यदि संदर्भ पूरी तरह से गायब हैं, तो आप उन्हें इस फ़ॉर्म का उपयोग कर जोड़ सकते हैं। यदि पूर्ण संदर्भ में कोई आइटम सूचीबद्ध है जो रीपीक में मौजूद है, लेकिन सिस्टम इसका लिंक नहीं करता है, तो आप इस फ़ॉर्म के साथ मदद कर सकते हैं। यदि आप इस एक का हवाला देते हुए याद किए गए सामानों के बारे में जानते हैं, तो आप प्रत्येक रीफरिंग मद के लिए ऊपर दिए गए अनुसार प्रासंगिक संदर्भ जोड़कर उन लिंक्स बनाने में हमारी सहायता कर सकते हैं। यदि आप इस मद के एक पंजीकृत लेखक हैं, तो आप अपनी प्रोफ़ाइल में उद्धरण टैब की जांच भी कर सकते हैं, क्योंकि कुछ प्रशस्तियां पुष्टि के लिए प्रतीक्षा कर सकती हैं। कृपया ध्यान दें कि संशोधनों को विभिन्न रीपीसी सेवाओं के माध्यम से फिल्टर करने के लिए कुछ सप्ताह लग सकते हैं। अधिक सेवाओं श्रृंखला, पत्रिकाओं, लेखकों amp का पालन करें ईमेल के द्वारा और अधिक नए कागजात आरईपीईसी के लिए नए जोड़ों की सदस्यता लेखक पंजीकरण अर्थशास्त्र के शोधकर्ताओं के लिए सार्वजनिक प्रोफाइल अर्थशास्त्र amp संबंधित क्षेत्रों में अनुसंधान की विभिन्न रैंकिंग। कौन एक छात्र था, जिनके एक छात्र थे, RePEc RePEc Biblio Curated Articles amp का उपयोग कर विभिन्न अर्थशास्त्र विषयों पर कागज़ात रीपैक और आईडीईएस पर सूचीबद्ध होने के लिए अपने पेपर को अपलोड करें अर्थशास्त्र अनुसंधान के लिए ब्लॉग एग्रीगेटर ईकाईमिक्स जॉब मार्केट पेपर्स में साहित्यिक चोरी के मामले साहित्यिक साहित्य नौकरी बाजार को समर्पित रीपीक काम कर रहे पेपर सीरीज़ काल्पनिक लीग आपको एक अर्थशास्त्र के शीर्ष पर दिखाना है सेंट लुईस फेड नोटिस से एसटीएल फेड डेटा, रिसर्च, एप एप से अधिक सेवाएं: आईडीआरई सांख्यिकी परामर्श समूह वेबसाइट को वर्डप्रेस सीएमएस से फरवरी में माइग्रेट कर देगा ताकि नई सामग्री के रख-रखाव और सृजन की सुविधा मिल सके। हमारे कुछ पुराने पृष्ठों को हटा दिया जाएगा या संग्रहीत किया जाएगा ताकि उन्हें अब बनाए रखा नहीं जाएगा हम रीडायरेक्ट बनाए रखने का प्रयास करेंगे ताकि पुरानी यूआरएल हम जितनी अच्छी तरह काम कर सकें उतना काम जारी रहेगा। डिजिटल रिसर्च एंड एजुकेशन फॉर डिजिटल रिसर्च एंड एजुकेशन में आपका स्वागत है उपहार देने से स्टेट कंसल्टिंग ग्रुप को सहायता देना Stata Data Analysis Examples Logistic Regression Version जानकारी: इस पृष्ठ के लिए कोड Stata 12 में परीक्षण किया गया था। Logistic प्रतिगमन, जिसे एक लॉगिट मॉडल भी कहा जाता है, को मॉडल के लिए प्रयोग किया जाता है द्विपातिक परिणाम चर लॉगिट मॉडल में परिणाम के लॉग बाधाओं को भविष्यवाचक चर का एक रैखिक संयोजन के रूप में देखा जाता है। कृपया ध्यान दें: इस पृष्ठ का उद्देश्य यह दिखाना है कि विभिन्न डेटा विश्लेषण आदेशों का उपयोग कैसे करें। इसमें अनुसंधान प्रक्रिया के सभी पहलुओं को शामिल नहीं किया जाता है जो शोधकर्ताओं को करना अपेक्षित है। विशेष रूप से, इसमें डेटा सफाई और जांच, मान्यताओं का सत्यापन, मॉडल निदान और संभावित अनुवर्ती विश्लेषण शामिल नहीं हैं। रिक्तिगत प्रतिगमन के उदाहरण उदाहरण 1: मान लीजिए कि हम उन कारकों में रुचि रखते हैं जो एक राजनीतिक उम्मीदवार को चुनाव जीतते हैं या नहीं। परिणाम (प्रतिक्रिया) चर द्विआधारी (01) जीत या हार है ब्याज की भविष्यवाचक चर इस अभियान पर खर्च किए गए धन की राशि है, नकारात्मक खर्च करने के लिए समय व्यतीत किया गया है और उम्मीदवार एक पदाधिकारी हैं या नहीं। उदाहरण 2: स्नातक विद्यालय में प्रवेश के लिए स्नातक संस्थान की प्रतिष्ठा, जीआरए (ग्रेजुएट रिकॉर्ड एग्जाम स्कोर), जीपीए (ग्रेड पॉइंट औसत) और प्रतिष्ठा के रूप में चर, जैसे एक शोधकर्ता रुचि रखते हैं प्रतिक्रिया चर, admitdont प्रवेश, एक द्विआधारी चर है डेटा का विवरण नीचे हमारे डेटा विश्लेषण के लिए, हम स्नातक विद्यालय में आने के बारे में उदाहरण 2 पर विस्तार करने जा रहे हैं। हमने काल्पनिक डेटा तैयार किया है, जो हमारी वेबसाइट से प्राप्त किया जा सकता है। इस डेटा सेट में बाइनरी रिस्पॉन्स (परिणाम, आश्रित) चर नामांकित है तीन भविष्यवक्ता चर: ग्रीक हैं। जीपीए और रैंक हम वैरिएबल ग्रीक और जीपीए को सतत के रूप में मानेंगे। चर रैंक 1 से 4 के मूल्यों पर ले जाता है। 1 के रैंक वाले संस्थानों में सर्वोच्च प्रतिष्ठा है, जबकि 4 रैंक वाले लोग सबसे कम हैं। जिन विश्लेषण विधियों पर आप विचार कर सकते हैं, वे नीचे दिए गए कुछ विश्लेषण विधियों की एक सूची है जिनका आप सामना कर सकते हैं। सूचीबद्ध कुछ विधियां काफी उचित हैं, जबकि अन्य ने या तो पक्षपात से बाहर हो या सीमाएं हैं उपन्यास प्रतिगमन, इस पृष्ठ का फ़ोकस। प्रतिगमन को चालू करें प्रोबिट विश्लेषण से परिणाम समान रसद प्रतिगमन उत्पन्न होंगे। प्रॉफिट बनाम लॉगटी का विकल्प व्यक्तिगत प्राथमिकताओं पर निर्भर करता है। ओएलएस प्रतिगमन जब द्विआधारी प्रतिक्रिया चर के साथ प्रयोग किया जाता है, तो यह मॉडल एक रैखिक संभावना मॉडल के रूप में जाना जाता है और सशर्त संभावनाओं का वर्णन करने के लिए एक तरीका के रूप में उपयोग किया जा सकता है। हालांकि, रैखिक संभावना मॉडल से त्रुटियों (अर्थात शेष) ओएलएस प्रतिगमन के गलतियों की गलतियों के समरूपता और सामान्यता का उल्लंघन करती है, जिसके परिणामस्वरूप अमान्य मानक त्रुटियों और परिकल्पना परीक्षण होते हैं। रैखिक संभावना मॉडल के साथ इन और अन्य समस्याओं की अधिक गहन चर्चा के लिए, लांग (1997, पृष्ठ 38-40) देखें। दो-समूह भेदभाव समारोह विश्लेषण द्विपातिक परिणाम चर के लिए एक बहुभिन्नरूपी विधि Hotellings T 2. 01 परिणाम समूह चर में बदल गया है, और पूर्व predictors परिणाम चर में बदल रहे हैं। यह महत्व का एक समग्र परीक्षण का उत्पादन करेगा, लेकिन प्रत्येक चर के लिए अलग-अलग गुणांक नहीं देगा, और यह स्पष्ट नहीं है कि प्रत्येक उद्धरण चिह्न को अन्य उद्धरणकर्ताओं के प्रभाव के लिए समायोजित किया जाता है। प्रश्नोत्तर उप-प्रतिगमन नीचे हम अनुमान लगाने के लिए लॉगिट कमांड का उपयोग करते हैं रसद प्रतिगमन मॉडल मैं रैंक से पहले यह इंगित करता है कि रैंक एक कारक वैरिएबल (यानि स्पष्ट वैरिएबल) है, और यह मॉडल में सूचक चर की एक श्रृंखला के रूप में शामिल किया जाना चाहिए। ध्यान दें कि यह सिंटैक्स स्टैटा 11 में पेश किया गया था। ऊपर दिए गए आउटपुट में, हम पहले चलने वाले लॉग को देखते हैं, यह दर्शाता है कि मॉडल को कितनी तेजी से इकट्ठा किया गया। लॉग संभावना (-22 9.25875) नेस्टेड मॉडलों की तुलना में इस्तेमाल किया जा सकता है, लेकिन हम इसके उदाहरण का एक उदाहरण नहीं दिखाते हैं। इसके अलावा आउटपुट के शीर्ष पर हम देखते हैं कि हमारे डेटा सेट के सभी 400 निरीक्षणों का उपयोग विश्लेषण में किया गया था (हमारे अवलोकनों में से कोई भी वैल्यू नहीं है अगर कम अवलोकन प्रयोग किया गया होता) 0.000101 की पी-मान के साथ 41.46 की संभावना अनुपात ची स्क्वायर हमें बताता है कि एक पूरे के रूप में हमारा मॉडल खाली मॉडल (यानी कोई पूर्वानुमान नहीं वाला मॉडल) से काफी बेहतर फिट बैठता है। तालिका में हम गुणांक, उनकी मानक त्रुटियों, जेड-आंकड़े, जुड़े पी-मान, और गुणकों के 95 आत्मविश्वास अंतराल को देखते हैं। दोनों ग्रे और जीपीए सांख्यिकीय रूप से महत्वपूर्ण हैं, क्योंकि रैंक के लिए तीन सूचक चर हैं। तर्कसंगत प्रतिगमन गुणांक, भविष्यवाचक चर में एक इकाई वृद्धि के लिए परिणाम के लॉग बाधाओं में परिवर्तन देता है। हर एक यूनिट में बदलाव के लिए gre प्रवेश के प्रवेश अंतर (बनाम गैर-प्रवेश) 0.002 से बढ़ता है। जीपीए में एक इकाई की वृद्धि के लिए 0.804 से ग्रैजुएट स्कूल बढ़ने के लिए भर्ती होने की लॉग बाधाएं रैंक के लिए सूचक चर एक थोड़ा अलग व्याख्या है। उदाहरण के लिए, 2 के रैंक के साथ एक स्नातक संस्था में भाग लेना, 1 की रैंक वाली संस्था बनाम, 0.675 से प्रवेश के बावजूद प्रवेश घटता है। हम टेस्ट कमान का उपयोग करके रैंक के संपूर्ण प्रभाव के लिए परीक्षण कर सकते हैं। नीचे हम देखते हैं कि रैंक का समग्र प्रभाव सांख्यिकीय रूप से महत्वपूर्ण है। हम रैंक के विभिन्न स्तरों के लिए गुणांकों में अंतर के बारे में अतिरिक्त अनुमानों का परीक्षण भी कर सकते हैं। नीचे हम परीक्षण करते हैं कि रैंक 2 के गुणांक रैंक 3 के लिए गुणांक के बराबर है। (ध्यान दें कि यदि हम इस अंतर का अनुमान लगा देना चाहते हैं, तो हम लिंक्स कमांड का उपयोग करके ऐसा कर सकते हैं।) आप गुणांकों को भी व्याख्या कर सकते हैं और उन्हें अंतर के रूप में व्याख्या कर सकते हैं - ratios। यदि आप या विकल्प का उपयोग करते हैं तो स्ताट आपके लिए यह गणना करेगा, नीचे सचित्र। आप लॉजिस्टिक कमांड का भी उपयोग कर सकते हैं अब हम यह कह सकते हैं कि जीपीए में एक यूनिट में वृद्धि। स्नातक विद्यालय में भर्ती होने के बावजूद (भ्रामक नहीं होने के कारण) 2.23 कारक की वृद्धि हुई। बाधाओं के अनुपात की व्याख्या के बारे में अधिक जानकारी के लिए हमारा सामान्य प्रश्न पृष्ठ देखें मैं तर्कसंगत प्रतिगमन में अंतर अनुपात कैसे समझाऊँ? मॉडल को समझने में आपकी सहायता के लिए आप अनुमानित संभाव्यताओं का भी उपयोग कर सकते हैं। आप मार्जिन कमांड का उपयोग करके भविष्यवाणी की संभावनाओं की गणना कर सकते हैं, जो स्टेटा 11 में पेश किया गया था। नीचे हम रैंक के प्रत्येक स्तर पर प्रवेश की भविष्यवाणी की संभावना की गणना के लिए मार्जिन कमांड का उपयोग करते हैं। मॉडल में अपने सभी तरीकों को अपने साधनों पर रखते हुए पूर्वानुमानित संभावनाओं की गणना करने के लिए मार्जिन कमांड का उपयोग करने के बारे में अधिक जानकारी के लिए, हमारे पेज को भविष्यवाणी की संभावनाओं के लिए मार्जिन का उपयोग करना देखें। उपरोक्त आउटपुट में हम देखते हैं कि स्नातक कार्यक्रम में स्वीकार किए जाने की भविष्यवाणी की संभाव्यता उच्चतम प्रतिष्ठा स्नातक संस्थानों (रैंक 1) के लिए 0.51 है, और निम्नतम रैंक वाली संस्थाओं (रैंक 4) के लिए 0.18 है, जो उनके माध्यम से ग्रीक और जीपी को पकड़ती है नीचे हम ग्रेट के मूल्यों के लिए 200 से 800 की वृद्धि के लिए भविष्यवाणी की संभावनाएं उत्पन्न करते हैं। क्योंकि हमने या तो अन्य अनुमान वाले चर के साथ मान निर्दिष्ट करने के लिए या तो atmeans निर्दिष्ट नहीं किए हैं या प्रयोग किया जाता है, तालिका में मान हैं औसत अनुमानित संभाव्यता, अन्य पूर्वानुमानकर्ता चर के नमूना मूल्यों का उपयोग करके गणना की गई है। उदाहरण के लिए, औसत पूर्वानुमानित संभावना की गणना करने के लिए जब gre 200, अनुमानित संभावना प्रत्येक मामले के लिए गणना की गई थी, उस स्थिति का उपयोग करके रैंक और जीपीए के मान उपरोक्त तालिका में हम देख सकते हैं कि स्वीकार्य होने की संभाव्यता का मतलब केवल 0.167 है अगर जीआरई स्कोर 200 है और बढ़ता है 0.414 अगर जीआरई स्कोर 800 है (जीपीए और रैंक के नमूना मूल्यों में औसत )। मॉडल को प्रस्तुत करने और समझने के लिए पूर्वानुमानित संभावनाओं के ग्राफ का उपयोग करने के लिए भी उपयोगी हो सकता है। हम यह भी देख सकते हैं कि हमारे मॉडल को कितनी अच्छी तरह फिट बैठता है। प्रतिस्पर्धा मॉडल की तुलना करते समय यह विशेष रूप से उपयोगी हो सकता है उपयोगकर्ता द्वारा लिखित कमान फिटस्टैट विभिन्न प्रकार के फिट आँकड़े बनाती है Findst fitstat टाइप करके फिटस्टेट पर अधिक जानकारी प्राप्त कर सकते हैं (देखें कि मैं प्रोग्राम को खोजने के लिए कैसे खोजी कमांड का उपयोग कर सकता हूं और खोज के उपयोग के बारे में अधिक जानकारी के लिए अतिरिक्त सहायता प्राप्त कर सकता हूं)। रिक्त कोशिकाओं या छोटे कक्षों पर विचार करने के लिए चीजें: स्पष्ट पूर्वानुमानियों और परिणाम चर के बीच क्रॉसस्टैब करके खाली या छोटे कक्षों की जांच करनी चाहिए। यदि एक कक्ष में बहुत कम मामलों (एक छोटा सेल) है, तो मॉडल अस्थिर हो सकता है या यह बिल्कुल भी नहीं चल सकता है। पृथक्करण या अर्ध-पृथक्करण (जिसे पूर्ण भविष्यवाणी भी कहा जाता है), ऐसी स्थिति जिसमें परिणाम स्वतंत्र चर के कुछ स्तरों पर भिन्न नहीं होता है। हमारा पृष्ठ अक्सर पूछे जाने वाले प्रश्न: लॉगिस्टिकप्रोबिट प्रतिगमन में पूरा या अर्ध-पूर्ण जुदाई क्या है और हम सही भविष्यवाणियों के साथ मॉडल के बारे में जानकारी के लिए कैसे व्यवहार करते हैं। नमूना आकार: लॉजिट और प्रोबिट मॉडल दोनों में ओएलएस प्रतिगमन की तुलना में अधिक मामलों की आवश्यकता होती है क्योंकि वे अधिकतम संभावना अनुमान तकनीकों का उपयोग करते हैं। डेटासेट में द्विआधारी परिणामों के लिए मॉडल का अनुमान लगाने के लिए कभी-कभी संभव है, सटीक रिक्तियां रिग्रेसन (एक्सलोगिस्टिक कमांड का उपयोग करके) का उपयोग करके केवल कुछ ही मामलों में। अधिक जानकारी के लिए सटीक रसद प्रतिगमन के लिए हमारा डेटा विश्लेषण उदाहरण देखें। यह भी ध्यान में रखना महत्वपूर्ण है कि जब परिणाम दुर्लभ होता है, भले ही संपूर्ण डाटासेट बड़ा हो, तो लॉग-इन मॉडल का आकलन करना मुश्किल हो सकता है। छद्म - R - वर्ग: psuedo-R - squared के कई अलग-अलग उपाय मौजूद हैं। वे सभी को ओएलएस प्रतिगमन में आर-स्क्ववर्ड द्वारा प्रदान की गई जानकारी के समान जानकारी प्रदान करने का प्रयास करते हैं, हालांकि उनमें से कोई भी ठीक से व्याख्या नहीं की जा सकती है क्योंकि ओएलएस प्रतिगमन में आर-स्क्वायर व्याख्या की गई है। विभिन्न छद्म-आर-स्क्वेर के बारे में चर्चा के लिए लांग एंड फ़्रेज़ (2006) या हमारे अकसर किये गए पृष्ठ देखें छद्म आर-स्क्वेयर डायग्नॉस्टिक्स क्या हैं: ओल्एस प्रतिगमन के लिए उन लोगों से अलग-अलग तर्कसंगत प्रतिगमन निदान है रिक्तिगत प्रतिगमन के लिए मॉडल निदान के बारे में चर्चा के लिए, होस्मर और लेमेसो (2000, अध्याय 5) देखें। नोट करें कि तर्कविद् प्रतिगमन के लिए किए गए नैदानिक ​​प्रोबेट प्रतिगमन के लिए किए गए समान हैं। स्ताट में, 0 के मान को परिणाम वैरिएबल के एक स्तर के रूप में माना जाता है, और अन्य सभी गैर-अनुपलब्ध मान को परिणाम के दूसरे स्तर के रूप में माना जाता है। क्लस्टर डाटा: कभी-कभी टिप्पणियों के समूह में क्लस्टर होता है (उदाहरण के लिए, परिवारों के भीतर, कक्षाओं के अंदर के छात्र)। ऐसे मामलों में, आप क्लस्टर के अंतर्गत हमारे पेज को गैर-आजादी पर देखना चाह सकते हैं। सन्दर्भ होस्मर, डी। लेमेसो, एस (2000)। व्यावहारिक उपस्कर प्रतिगमन (द्वितीय संस्करण) न्यूयॉर्क: जॉन विले सन्स, इंक लांग, जे स्कॉट, फ्रेज़, जेरेमी (2006)। स्टेटा (सेकेंड एडीशन) का उपयोग करते हुए कम्पेरिस्ट आश्रित चर के लिए प्रतिगमन मॉडल कॉलेज स्टेशन, टेक्सास: स्टेटा प्रेस लांग, जे स्कॉट (1 99 7) श्रेणीबद्ध और सीमित निर्भर चर के लिए प्रतिगमन मॉडल हजार ओक्स, सीए: ऋषि प्रकाशन इस वेब साइट की सामग्री को कैलिफोर्निया विश्वविद्यालय द्वारा किसी विशेष वेब साइट, किताब या सॉफ़्टवेयर उत्पाद के समर्थन के रूप में नहीं समझा जाना चाहिए।