MVTOBIT: Modulo Stata per calcolare modelli Tobit multivariati per simulato massima verosimiglianza (SML) mvtobit previsioni dei modelli Tobit M-equazione (inclusi i modelli Tobit bivariate). Per valutare gli integrali multidimensionali, mvtobit si basa su mdraws Cappellari Jenkins e egen MVNP comandi per implementare il simulatore Geweke-Hajivassiliou-Keane (GHK). Lo stimatore è realizzato con il metodo LF e supporta tutte le solite caratteristiche di massima verosimiglianza. tempo di calcolo è un problema con molte equazioni. Gli utenti di Stata 9 e superiori dovrebbero avere uno sguardo al comando utente cmp. Se si verificano problemi durante il download di un file, controllare se si dispone l'applicazione corretta per vederlo prima. In caso di ulteriori problemi leggi le Idee Assistenza pagina. Si noti che questi file non sono sul sito IDEE. Si prega di essere paziente, come i file possono essere di grandi dimensioni. componente software fornito da Boston College Dipartimento di Economia nella sua serie statistiche componenti software con il numero S456875. Quando si richiede una correzione, si prega di citare questo articoli maniglia: RePEc: BOC: bocode: s456875. Guarda le informazioni generali su come correggere il materiale in RePEc. Per domande tecniche per quanto riguarda questo punto, o per correggere i suoi autori, titolo, abstract, bibliografico o scaricare informazioni, contattare: (Christopher F Baum) Se è stato autore di questa voce e non sei ancora registrato con RePEc, incoraggiamo a farlo qui . Questo permette di collegare il tuo profilo a questo oggetto. Consente inoltre di accettare eventuali citazioni a questo punto che siamo incerti. Se i riferimenti sono del tutto mancanti, è possibile aggiungere utilizzando questo modulo. Se elencano i riferimenti completi di un elemento che è presente in RePEc, ma il sistema non collegano ad esso, si può aiutare con questo modulo. Se siete a conoscenza di elementi che citano questo manca, ci si può aiutare la creazione di quei link aggiungendo i riferimenti relativi allo stesso modo come sopra, per ogni articolo riferendosi. Se sei un autore registrato di questa voce, si consiglia inoltre di controllare la scheda citazioni nel tuo profilo, in quanto vi possono essere alcune citazioni in attesa di conferma. Si prega di notare che le correzioni possono prendere un paio di settimane per filtrare attraverso i vari servizi di RePEc. Più servizi Seguire serie, riviste, autori ampère Nuovi documenti via e-mail Iscriviti alle nuove aggiunte al RePEc registrazione Autore profili pubblici per i ricercatori Economia varie classifiche di ricerca in campi correlati Economia amp che era uno studente di chi, utilizzando RePEc RePEc Biblio articoli a cura amp articoli su vari argomenti di economia Carica la tua carta per essere elencati su RePEc e idee EconAcademics Blog aggregator per casi di ricerca economia plagio plagio in Economia lavoro mercato Papers RePEc Working paper series dedicata al mercato del lavoro Fantasy League fingere di essere al timone di una economia Services department del StL Fed dati, ricerche, applicazioni amp più dal St. Louis FedNOTICE: il gruppo di consulenza statistica Idre sarà la migrazione del sito web per il CMS WordPress nel mese di febbraio per facilitare la manutenzione e la creazione di nuovi contenuti. Alcune delle nostre pagine più vecchie verranno rimossi o archiviati in modo tale che essi non saranno più mantenuti. Cercheremo di mantenere i reindirizzamenti in modo che i vecchi URL continueranno a lavorare nel miglior modo possibile. Benvenuti all'Istituto per la Ricerca e l'istruzione digitale Aiuto Consulting Group Stat, dando un regalo Esempi Stata analisi dei dati informazioni Tobia Analisi Versione: Codice per questa pagina è stato testato in Stata 12. Il modello di Tobia, chiamato anche un modello di regressione censurato, è stato progettato per stimare relazioni lineari tra le variabili quando c'è sia a sinistra oa destra censurare nella variabile dipendente (anche conosciuto come censurare dal basso e dall'alto, rispettivamente). Censura dall'alto avviene quando i casi con un valore pari o superiore a una certa soglia, tutto assumono il valore di tale soglia, in modo che il valore reale potrebbe essere uguale alla soglia, ma potrebbe anche essere superiore. Nel caso di censurare dal basso, valori quelli che cadono al di sotto o qualche soglia vengono censurati. Nota: Lo scopo di questa pagina è quello di mostrare come utilizzare i vari comandi di analisi dei dati. Esso non copre tutti gli aspetti del processo di ricerca, che sono tenuti ai ricercatori di fare. In particolare, non copre la pulizia dei dati e il controllo, la verifica di ipotesi, la diagnostica modello e potenziali analisi di follow-up. Esempi di regressione Tobia Esempio 1. Nel 1980 ci fu una legge federale limitare le letture del tachimetro a non più di 85 mph. Quindi, se si voleva cercare di prevedere un veicoli di alta velocità da una combinazione di cavalli di potenza e le dimensioni del motore, si otterrebbe una lettura non superiore a 85, indipendentemente da quanto velocemente il veicolo è stato davvero viaggiando. Si tratta di un classico caso di destra-censura (censura dall'alto) dei dati. L'unica cosa di cui siamo certi è che tali veicoli viaggiavano almeno l'85 mph. Esempio 2. Un progetto di ricerca sta studiando il livello di piombo in acqua potabile a casa in funzione dell'età di un reddito casa e della famiglia. Il kit di test acqua non in grado di rilevare la concentrazione di piombo al di sotto di 5 parti per miliardo (ppb). L'EPA considera livelli superiori a 15 ppb per essere pericoloso. Questi dati sono un esempio di sinistra-censura (censura dal basso). Esempio 3. Si consideri la situazione in cui abbiamo una misura di attitudine accademica (scala 200-800), che vogliamo modellare con la lettura e la prova di matematica i punteggi, così come il tipo di programma che lo studente è iscritto (accademico, generale o professionale). Il problema qui è che gli studenti che rispondono a tutte le domande sulla prova attitudinale accademico ricevere correttamente un punteggio di 800, anche se è probabile che questi studenti non sono veramente uguali in attitudine. Lo stesso vale per gli studenti che rispondono a tutte le domande in modo errato. A tutti questi studenti avrebbero un punteggio di 200, anche se possono non essere tutti uguali di attitudine. Descrizione dei dati Consente perseguire Esempio 3 dall'alto. Abbiamo un file di dati ipotetici, tobit. dta con 200 osservazioni. La variabile attitudine accademico è apt, i punteggi lettura e matematica di test vengono letti e la matematica, rispettivamente. Il prog variabile è il tipo di programma lo studente è in, è una variabile categoriale (nominale) che assume tre valori, accademico (prog 1), generale (prog 2), e professionali (prog 3). Vediamo i dati. Si noti che in questo insieme di dati, il valore più basso di apt è 352. Non ci sono studenti hanno ricevuto un punteggio di 200 (vale a dire il punteggio più basso possibile), il che significa che anche se la censura dal basso è possibile, non si verifica nel set di dati. Osservando l'istogramma sopra che mostra la distribuzione di apt. possiamo vedere la censura nei dati, cioè, ci sono molti più casi con punteggi di 750 a 800 di quanto ci si aspetterebbe guardando il resto della distribuzione. Di seguito è riportato un istogramma alternativa che evidenzia ulteriormente l'eccesso di casi in cui apt 800. Nel istogramma in basso, l'opzione discreta produce un istogramma in cui ogni valore unico di apt dispone di un bar. L'opzione freq provoca l'asse y etichettato con la frequenza per ogni valore, piuttosto che la densità. Poiché apt è continua, la maggior parte dei valori di apt sono unici nel set di dati, anche se vicino al centro della distribuzione ci sono alcuni valori di apt con due o tre casi. Il picco all'estrema destra dell'istogramma è il bar per i casi in cui apt 800, l'altezza di questa barra rispetto a tutti gli altri mostra chiaramente il numero superiore di casi con questo valore. Avanti così esplorare le relazioni bivariate nel nostro set di dati. Nell'ultima riga della matrice dispersione mostrato sopra, vediamo le scatterplots mostra Leggere e apt. così come la matematica e apt. Notare la raccolta dei casi nella parte superiore di ciascuna dispersione dovuta alla censura nella distribuzione di apt. Metodi di analisi si potrebbe considerare Ecco un elenco di alcuni metodi di analisi si può avere incontrato. Alcuni dei metodi elencati sono abbastanza ragionevoli, mentre altri hanno uno caduto in disgrazia o hanno limitazioni. Tobia regressione, il focus di questa pagina. OLS Regressione - Si potrebbe analizzare questi dati utilizzando OLS regressione. Regressione OLS tratterà il 800 i valori reali e non come limite superiore della attitudine accademica superiore. Un limite di questo approccio è che quando viene censurata la variabile, OLS fornisce stime inconsistenti dei parametri, il che significa che i coefficienti dall'analisi non necessariamente accedere ai parametri di popolazione quottruequot al crescere della dimensione del campione. Vedere Lungo (1997, capitolo 7) per una discussione più dettagliata dei problemi di utilizzo di regressione OLS con i dati censurati. Regressione troncata - A volte c'è confusione sulla differenza tra i dati troncati e dati censurati. Con variabili censurate, tutte le osservazioni sono nel set di dati, ma noi non conoscere i valori quottruequot di alcuni di loro. Con troncamento alcune osservazioni non sono inclusi nell'analisi causa del valore della variabile. Quando viene censurato una variabile, modelli di regressione per dati troncati forniscono stime inconsistenti dei parametri. Vedere Lungo (1997, capitolo 7) per una discussione più dettagliata dei problemi di utilizzo di modelli di regressione per dati troncati per analizzare i dati censurati. Tobia regressione seguito eseguire il modello Tobia, con lettura. matematica . e prog di prevedere apt. L'opzione ul () nel comando tobit indica il valore al quale inizia il diritto-censura (vale a dire il limite superiore). C'è anche un ll () per indicare il valore della sinistra-censura (limite inferiore) che non era necessario in questo esempio. L'i. prima prog indica che prog è una variabile fattore (cioè variabile categorica), e che dovrebbe essere inclusa nel modello come una serie di variabili dummy. Si noti che questa sintassi è stata introdotta in Stata 11. La probabilità di registro finale (-1041,0629) viene mostrata nella parte superiore della produzione, può essere utilizzato nei confronti di modelli annidati, ma trovarmici mostrano un esempio di quello qui. Anche nella parte superiore dell'uscita vediamo che tutte le 200 osservazioni nostri dati impostati sono stati utilizzati nell'analisi (meno osservazioni sarebbero stati utilizzati se qualcuno dei nostri variabili avevano valori mancanti). Il rapporto di verosimiglianza chi-quadrato di 188,97 (DF4) con un valore p di 0.0001 ci dice che il nostro modello nel suo complesso si adatta molto meglio di un modello vuoto (cioè un modello senza predittori). Nella tabella vediamo i coefficienti, i loro errori standard, la statistica t, associata p-value, e l'intervallo di confidenza 95 dei coefficienti. I coefficienti di lettura e matematica sono statisticamente significativi, come è il coefficiente per prog 3. coefficienti di regressione Tb sono interpretati in modo simile al OLS coefficienti di regressione tuttavia, l'effetto lineare è sulla variabile latente uncensored, non il risultato osservato. Vedere McDonald e Moffitt (1980) per ulteriori dettagli. Per un incremento unitario di lettura. vi è un aumento di 2,7 punti del valore previsto di apt. Un incremento unitario di matematica è associata con un aumento 5,91 unità di valore previsto di apt. I termini per prog hanno un'interpretazione leggermente diversa. Il valore previsto di apt è 46.14 punti più basso per gli studenti in un programma professionale (prog 3) che per gli studenti in un programma accademico (prog 1). Il sigma statistica accessoria è analoga alla radice quadrata della varianza residua OLS regressione. Il valore di 65.67 può essere paragonata alla deviazione standard di idoneità accademica che era 99,21, una sostanziale riduzione. L'output contiene anche una stima dell'errore standard di sigma così come l'intervallo di 95 fiducia. Infine, l'uscita fornisce un riepilogo del numero di valori di sinistra-censurato, senza censure e destra-censurato. Siamo in grado di testare per un effetto complessivo di programmi mediante comando test. Di seguito si vede che l'effetto complessivo di prog è statisticamente significativa. Possiamo anche testare ulteriori ipotesi circa le differenze tra i coefficienti per i diversi livelli di prog. Qui di seguito ci prova che il coefficiente per il prog 2 è pari al coefficiente per prog 3. In uscita al di sotto si vede che il coefficiente per il prog 2 è significativamente diverso da quello del coefficiente per prog 3. Si può anche visualizzare le misure di quanto bene il nostro modello si adatta. Questo può essere particolarmente utile quando si confrontano modelli concorrenti. Un metodo per farlo è quello di confrontare i valori previsti sulla base del modello tobit ai valori osservati nel set di dati. Di seguito usiamo prevedere per generare valori previsti di apt sulla base del modello. Poi abbiamo correlare i valori osservati di apt con i valori previsti (yhat). La correlazione tra i valori previsti e osservati di apt è 0,7825. Se possiamo far quadrare questo valore, si ottiene la correlazione quadrato multipla, questi valori indica predetti condividono circa il 61 (0,78,252 mila 0,6123) del loro contrasto con apt. Inoltre, siamo in grado di utilizzare il comando fitstat scritto dall'utente per la produzione di una serie di statistiche in forma. È possibile trovare ulteriori informazioni su fitstat digitando findit fitstat (vedi Come posso utilizzare il comando findit per la ricerca di programmi e ottenere ulteriore assistenza per ulteriori informazioni sull'uso findit). Manuale Stata linea Tobia correlati Stata Comandi cnreg - censurato regressione normale, in cui i valori di censura possono cambiare di osservazione per l'osservazione. intreg - Intervallo di regressione, in cui osservazioni possono essere dati del punto, i dati di intervallo, i dati a sinistra-censurati o dati destra censurati. Riferimenti lunghi, J. S. (1997). I modelli di regressione per le variabili dipendenti categoriali e limitato. Thousand Oaks, CA: Sage Publications. McDonald, J. F. e Moffitt, R. A. 1980. Gli usi di analisi Tobia. La Rassegna di Economia e Statistica Vol 62 (2): 318-321. Tobin, J. (1958). Stima dei rapporti per le variabili dipendenti limitate. Econometrica 26: 24-36. Il contenuto di questo sito web non deve essere interpretata come un'approvazione di un particolare sito web, il libro, o di un prodotto software dalla University of California.
No comments:
Post a Comment