Stata: análise de dados e software estatístico Brian P. Poi, StataCorp Muitas pessoas escreveram para a equipe técnica perguntando sobre as diferenças entre prever e ajustar. Nesta FAQ, eu apresento um exemplo simples usando o conjunto de dados automático. Este não é de forma alguma um substituto para as entradas do Manual de Referência para ajustar ou prever. Presumivelmente, você já leu aqueles. Caso contrário, seria uma boa ideia. Para começar, vamos carregar o conjunto de dados auto. dta e regredir o mpg contra o peso. comprimento. E estrangeiros. Em seguida, computa a predição linear da variável dependente e resume-a por rep78. Compare isso com o que obtemos se usarmos o comando de ajuste: os resultados são os mesmos Quando você usa o comando de ajuste sem especificar variáveis, ele simplesmente resume as previsões lineares da regressão pelo rep78. Suponha que, em vez disso, digitei A chave para entender o que aconteceu aqui são as duas linhas na parte superior da saída: para duas das variáveis independentes em nossa regressão, peso e comprimento. O ajuste não fez nada que os deixou como está. No entanto, ao computar a previsão linear do mpg, o ajuste não utilizou os valores reais de estrangeiros que estão no conjunto de dados. Em vez disso, calculou a previsão, fingindo que o valor do estrangeiro era 0.30434781 para cada observação no conjunto de dados. Algumas pessoas argumentariam que avaliar a equação com estrangeiros igual a 0,304 é um disparate porque estrangeiro é uma variável dummy que leva apenas os valores 0 ou 1 ou o carro é estrangeiro, ou é doméstico. Por outro lado, pode-se interpretar os resultados com estrangeiros iguais a 0,304 relativos a um carro que contém 70 peças domésticas e 30 partes estrangeiras. Seja forçar uma variável dummy a permanecer 0 ou 1 ao formar previsões depende inteiramente do contexto do modelo. O poder real de ajustar é poder criar previsões assumindo certos valores para algumas das variáveis independentes. Suponha que eu queria saber a economia de combustível média prevista dos carros por rep78 sob a suposição de que todos os carros são domésticos. Com ajuste. Isso é fácil de fazer: claro, você pode especificar mais de uma variável com ajuste. E você pode ter algumas variáveis definidas para os valores que você especifica e outras variáveis definidas em seus meios. Por exemplo, agora eu quero conhecer a economia de combustível média por rep78 sob os pressupostos de que todos os carros são domésticos e todos os carros são do mesmo comprimento (médio). Não tenho ideia de qual é o comprimento médio dos carros, então eu vou deixar ajustar a descoberta: à medida que a parte superior da saída mostra, ajuste o comprimento do conjunto igual ao seu valor médio de 188.28986 e ele estabeleceu estrangeiros igual a 0 como nós Requeridos. Porque pedimos que os resultados sejam tabulados com base em rep78. A média do comprimento foi calculada utilizando apenas as 69 observações para as quais rep78 não está faltando. As 5 observações com uma falta rep78 são completamente ignoradas por ajuste. Mesmo que fossem usados na regressão original. Na verdade, ajustar é realmente apenas um front-end para prever. E é útil trabalhar com a mecânica de um exemplo para ilustrar isso. A tabela anterior de resultados poderia ter sido obtida da seguinte maneira: A vantagem do ajuste é que não precisamos preservar nossos dados, resumir e substituí-lo, e depois chamar tabstat. Prédito Valor Y-hat Y-hat () É o símbolo que representa a equação prevista para uma linha de melhor ajuste na regressão linear. A equação assume a forma onde b é a inclinação e a é o y - intercept. Ele é usado para diferenciar entre os dados previstos (ou ajustados) e os dados observados y. Y-hat também é usado no cálculo dos resíduos de. Que são as diferenças verticais entre os valores observados e ajustados. A matriz de valores que relaciona os valores observados e ajustados é conhecida como matriz de chapéu (H), pois coloca um chapéu em y. . Lição sobre o valor previsto Y-hat Previsão de valor Y-Hat Estatísticas e Probabilidade Tutores de Chegg Precisa de mais ajuda para entender o valor previsto Y-Hat Teve-o coberto com nossas ferramentas de estudo on-line QA relacionadas ao Valor Preditivo Y-hat Os especialistas respondem em tão pouco quanto 30 Minutos Manuscagem de suco são mostrados na tabela nar, todos os alunos na p. 102. Suponha que um fabricante queira usar o nome de cada regressão linear simples para prever a doçura e a pesquisa (y) da quantidade de pectina (x). Capítulo 3 Regressão linear simples I40 (com as observações selecionadas mostradas na tabela o na página anterior). Considere um modelo linear em análise de regressão linear simples dos dados. Interprete os resultados. 3.6. Entre as classificações SET de .68. RMP e (a) Dê a equação de um modelo linear relacionado (b) Dê uma interpretação prática do valor .68 (c) A inclinação estimada da linha, parte a, positiva ou negativa E. n: n a Limitando a distribuição de uma amostra aleatória Xi Yn selecionada da distribuição com Cdf X 7 CD o Caso contrário
No comments:
Post a Comment