O código a seguir tentará replicar os resultados da função lm () em R. Para esse exercício, usaremos um conjunto de dados de seção transversal fornecido por R chamado 8220women8221, que possui dados de altura e peso para 15 indivíduos. A equação de regressão OLS: onde um termo de erro de ruído branco. Para este exemplo de peso e altura. O impacto marginal uma mudança de altura de uma unidade em peso. Lembre-se de que a seguinte equação de matriz é usada para calcular o vetor de coeficientes estimados de uma regressão OLS: onde a matriz de dados regressores (a primeira coluna é toda 18217 para a intercepção) e o vetor dos dados variáveis dependentes. Operadores matriciais em R como. matrix () coagula um objeto na classe matricial. T () transpõe uma matriz. É o operador para a multiplicação da matriz. Resolve () leva o inverso de uma matriz. Observe que a matriz deve ser reversível. Para uma introdução mais completa para fazer operações matriciais em R, confira esta página. Voltar para OLS O código a seguir calcula a matriz de coeficientes de 2 x 1,: Cálculo de Erros Padrão Para calcular os erros padrão, você deve primeiro calcular a matriz variância-covariância (VCV), da seguinte forma: A matriz VCV será uma matriz quadrada kxk . Os erros padrão para os coeficientes estimados são encontrados tomando a raiz quadrada dos elementos diagonais da matriz VCV. Um Scatterplot com linha OLS Altura de Women039s versus peso usando as funções plot () e abline () em R. Agora você pode verificar os resultados acima usando a função lm () enlatada: AVISO: O grupo de consultoria estatística IDRE estará migrando o site para O WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas mais antigas serão removidas ou arquivadas de tal forma que não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisa e Educação Digital Ajuda ao Grupo de Consultoria Estatal dando um presente Stata FAQ Como posso acessar as informações armazenadas depois de executar um comando no Stata (resultados retornados) Além da saída na janela de resultados, Muitos dos comandos Statas armazenam informações sobre o comando e seus resultados na memória. Isso permite que o usuário, assim como outros comandos da Stata, usem facilmente essas informações. Stata chama esses resultados retornados. Os resultados retornados podem ser muito úteis quando você quer usar a informação produzida por um comando Stata para fazer outra coisa no Stata. Por exemplo, se você quiser significar uma variável central, você pode usar resumir para calcular a média, então use o valor da média calculada por resumir para centrar a variável. Usar resultados retornados eliminará a necessidade de redigitar ou cortar e colar o valor da média. Outro exemplo de como os resultados retornados podem ser úteis é se você deseja gerar valores preditos da variável de resultado quando as variáveis preditoras estão em um conjunto específico de valores, novamente aqui, você pode reescrever os coeficientes ou usar cortar e colar, mas retornou os resultados Tornar a tarefa muito mais fácil. A melhor maneira de obter uma idéia de como os resultados retornados funcionam é saltar diretamente e começar a olhar e usá-los. O código abaixo abre um exemplo de conjunto de dados e usa resumir (soma abreviada) para gerar estatísticas descritivas para a leitura variável. Isso produz o resultado esperado, mas mais importante para nossos propósitos, o Stata agora possui resultados do comando de resumo armazenado na memória. Mas como você sabe quais informações foram armazenadas Uma lista das informações salvas por cada comando está incluída no arquivo de ajuda e no manual impresso, para que eu possa olhar para lá, mas eu também posso simplesmente digitar a lista de retorno. Que listará todos os resultados retornados na memória. Acima é uma lista dos resultados retornados, pois você pode ver que cada resultado é da forma r (.) Onde as ellipses (quot. Quot) é uma etiqueta curta. Podemos ver o arquivo de ajuda para o comando de resumo para descobrir qual é cada item da lista, mas geralmente é fácil descobrir qual o valor atribuído ao resultado, por exemplo, r (média). Não é surpreendente que contenha a média de leitura (você pode verificar isso em relação à saída), mas outros não são tão óbvios, por exemplo, r (sumw). Para isso, talvez seja necessário consultar o manual se achar que você pode querer usá-los. Na maioria das vezes, o processo será relativamente fácil porque você saberá o resultado que deseja acessar, você estará olhando a lista para descobrir em que nome ele está armazenado, ao invés de olhar para a lista e tentar descobrir o que cada um Item é. Como você pode imaginar, comandos diferentes, e mesmo o mesmo comando com diferentes opções, armazene resultados diferentes. Abaixo, resumimos a variável de leitura novamente, mas adicione a opção de detalhes. Então usamos a lista de retorno para obter a lista de resultados retornados. Assim como a opção de detalhes adiciona informações adicionais à saída, ela também resulta em informações adicionais armazenadas nos resultados retornados. A nova lista inclui todas as informações retornadas pelo comando de soma acima, além de kurtosis de skewness e vários percentis, incluindo o 1º (r (p25)) e 3º (r (p75)) quartis e a mediana (r (p50) ). Agora que temos algum sentido de quais resultados são retornados pelo comando de resumo, podemos fazer uso dos resultados retornados. Seguindo com um dos exemplos mencionados acima, significaremos o centro da leitura variável. Supondo que o último comando que executámos foi o comando de resumo acima, o código abaixo usa gera uma nova variável, que contém os valores médios médios de leitura. Observe que em vez de usar o valor real da média de leitura neste comando, usamos o nome do resultado retornado (ou seja, r (média)), Stata sabe quando vê r (média) que realmente significamos o valor armazenado em Essa variável do sistema. Na próxima linha, resumimos a nova variável cread. Enquanto a média não é exatamente igual a zero, está dentro do erro de arredondamento de zero, então sabemos que nós devemos ser adequadamente centrados na leitura variável. Como o código acima sugere, podemos usar resultados retornados praticamente da mesma forma que usamos um número real. Isso ocorre porque o Stata usa o r (.) Como um espaço reservado para um valor real. Para outro exemplo disto, digamos que queremos calcular a variância da leitura de seu desvio padrão (ignorando o fato de que resumir retorna a variância em r (Var)). Nós podemos fazer isso de acordo com o comando de exibição como uma calculadora. A segunda linha de código abaixo faz isso. Podemos até verificar o resultado cortando e colando o valor do desvio padrão da saída, o que é feito no terceiro comando abaixo. Os resultados são basicamente os mesmos, a diferença muito pequena é o erro de arredondamento porque a estimativa armazenada r (sd) contém mais dígitos de precisão que o valor do desvio padrão exibido na saída. Tipos de resultados retornados, classe-r e classe eletrônica Agora que você conhece um pouco sobre resultados retornados e como eles funcionam, você está pronto para obter mais informações sobre eles. Os resultados retornados vêm em dois tipos principais, classe-r e classe eletrônica (também há variações de resultados da classe s e classe C, mas não discutiremos aqui). Comandos que executam estimativas, por exemplo, regressões de todos os tipos, análise fatorial e anova são comandos de classe eletrônica. Outros comandos, por exemplo, resumem, correlacionam e post-estimativa comandos, são r-class comandos. A distinção entre os comandos da classe r e da classe eletrônica é importante porque as lojas da Stata resultam de comandos de classe e r-classe em quotplaces diferentes. Isso tem duas ramificações para você como usuário. Primeiro, você precisa saber se os resultados são armazenados em r () ou e () (bem como o nome do resultado) para usá-los. Se você não tiver certeza de qual classe um comando você está executando, você pode procurá-lo no arquivo de ajuda ou quotlookquot em um lugar (usando o comando apropriado para listar resultados), se os resultados não estiverem armazenados, provavelmente eles estarão o outro. Uma ramificação potencialmente mais importante da diferença na forma como os resultados dos comandos r-class e e-class são retornados é que os resultados retornados são mantidos somente na memória até que outro comando da mesma classe seja executado. Ou seja, os resultados retornados dos comandos anteriores são substituídos por comandos subseqüentes da mesma classe. Em contraste, executar um comando de outra classe não afetará os resultados retornados. Por exemplo, se eu executar uma regressão e, em seguida, uma segunda regressão, os resultados da primeira regressão (armazenados em e ()) são substituídos por aqueles para a segunda regressão (também armazenados em e ()). No entanto, se em vez de uma segunda regressão, executei um comando de pós-estimativa, os resultados da regressão permaneceriam em e () enquanto os resultados do comando pós-estimativa seriam colocados em r (). Embora exista uma distinção entre os dois, o uso real dos resultados dos comandos da classe r e da classe eletrônica é muito parecido. Para começar, os comandos são paralelos, para listar os resultados da classe r armazenados na memória, o comando é a lista de retorno. Para fazer o mesmo para os resultados da classe eletrônica, o comando ereturn list. Além disso, com exceção da diferença nas convenções de nomenclatura (r () vs. e ()), os resultados são acessados da mesma maneira. O exemplo abaixo demonstra isso, primeiro nós regredimos a escrita na fêmea e lemos. E depois use a lista ereturn para ver os resultados retornados. A lista de resultados retornados para regressão inclui vários tipos de resultados retornados listados sob os títulos escalares, macros, matrizes e funções. Vamos discutir os tipos de resultados retornados abaixo, mas, por enquanto, mostraremos como você pode usar os resultados escalados retornados da mesma maneira que usamos os resultados retornados de resumir. Por exemplo, uma maneira de calcular a variância dos erros após uma regressão é dividir a soma residual dos quadrados pelos graus totais de liberdade (ou seja, n-1). A soma residual dos quadrados é armazenada em e (rss) e que o n para a análise é armazenado em e (N). Abaixo, usamos o comando de exibição como uma calculadora, juntamente com os resultados retornados para calcular a variação dos erros. Como os resultados são devolvidos: Escalares, cordas, matrizes e funções Como mencionado acima, para os comandos de classe r e e-classe, existem vários tipos de resultados retornados, incluindo escalares, strings, matrizes e funções. Nas listas de resultados retornados, cada tipo está listado em seu próprio título. Os resultados listados abaixo do título quotscalarsquot são apenas isso, um único valor numérico. O uso deles é discutido acima, então não diremos mais sobre eles nesta seção. Os resultados retornados listados em quotmacrosquot geralmente são strings que fornecem informações sobre o comando que foi executado. Por exemplo, nos resultados retornados para a regressão mostrada acima, e (cmdline) contém o comando que o usuário emitiu (sem abreviaturas). Estes geralmente são usados na programação da Stata. Os resultados listados em quotmatricesquot são, como seria de esperar, matrices. Enquanto a lista de resultados retornados pela lista de devolução e na lista erturn mostra os valores assumidos pela maioria dos resultados retornados, isso não é prático com as matrizes, e as dimensões das matrizes estão listadas. Para ver o conteúdo das matrizes, você deve exibi-las usando comandos de matriz. Fazemos isso abaixo com a matriz de coeficientes (e (b)) usando a matriz de matriz de comando e (b). (Note que há uma outra maneira de acessar os coeficientes e os seus erros padrão depois de se ajustarem a um modelo, isto é discutido abaixo.) Se quisermos realizar operações matriciais em matrizes devolvidas ou desejar acessar elementos individuais da matriz, podemos Mova a matriz armazenada como um resultado retornado para uma matriz Stata normal. Isso é feito na linha final da sintaxe abaixo. Finalmente, os resultados retornados sob o título quotfunctionsquot contêm funções que podem ser usadas de maneira semelhante a outras funções do Stata. A função mais comum retornada pelos comandos de estimativa Stata é provavelmente e (amostra). Esta função marca a amostra utilizada na estimativa da última análise, isso é útil, pois os conjuntos de dados geralmente contêm valores faltantes, resultando em todos os casos no conjunto de dados que estão sendo usados em uma determinada análise. Supondo que a última execução do comando de estimativa foi a regressão de escrita na fêmea e a leitura mostrada acima, a primeira linha de código abaixo usa e (amostra) para encontrar a média de leitura entre os casos usados no modelo. A segunda linha de código usa e (amostra) para criar uma nova variável chamada bandeira que é igual a 1 para casos que foram usados na análise e zero de outra forma. (Nota, uma vez que o conjunto de dados de exemplo não contém dados ausentes, todos os casos estão incluídos na análise e o sinalizador é uma constante igual a um.) Coeficientes e seus erros padrão Como discutido acima, após um se encaixa em um modelo, coeficientes e seu padrão Os erros são armazenados em e () na matriz. Essas matrizes permitem ao usuário acessar os coeficientes, mas o Stata oferece uma maneira ainda mais fácil de acessar essas informações armazenando-as nas variáveis do sistema b e se. Para acessar o valor de um coeficiente de regressão após uma regressão, basta digitar bvarname onde varname é o nome da variável preditor cujo coeficiente você deseja examinar. Para acessar o erro padrão, você pode simplesmente digitar sevarname. Para acessar o coeficiente e o erro padrão da constante, usamos bcons e secons, respectivamente. Abaixo, nós corremos o mesmo modelo de regressão que corremos acima (omitindo a saída), usando a fêmea e lendo para prever a gravação. Uma vez que estimamos o modelo, usamos o comando de exibição para mostrar que os valores em b são iguais aos nossos coeficientes de regressão. Finalmente, calculamos o valor previsto de gravação quando um estudante feminino (feminino 1) tem uma pontuação de leitura de 52. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico pelo Universidade da Califórnia.
No comments:
Post a Comment