Domande taggate «econometrics»

L'econometria è un campo di statistica che si occupa di applicazioni in economia.


1

1
Prevedere logit ordinato in R
Sto provando a fare una regressione logit ordinata. Sto gestendo il modello in questo modo (solo un piccolo modello stupido che stima il numero di imprese in un mercato da misure di reddito e popolazione). La mia domanda riguarda le previsioni. nfirm.opr<-polr(y~pop0+inc0, Hess = TRUE) pr_out<-predict(nfirm.opr) Quando eseguo predict (che …

2
I modelli di serie temporali con differenza di registro sono migliori dei tassi di crescita?
Spesso vedo gli autori stimare un modello di "differenza log", ad es log( yt) - registro( yt - 1) = log( yt/ yt - 1) = α + βXtlog⁡(yt)-log⁡(yt-1)=log⁡(yt/yt-1)=α+βXt\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t Sono d'accordo che questo sia appropriato per relazione con una variazione percentuale in …





1
Coefficiente gini e limiti di errore
Ho una serie temporale di dati con conteggi N = 14 in ciascun punto temporale e desidero calcolare il coefficiente di Gini e un errore standard per questa stima in ogni punto temporale. Dato che ho solo N = 14 conteggi in ogni momento ho proceduto calcolando la varianza del …

1
Come interpretare il coefficiente di secondo stadio nella regressione delle variabili strumentali con uno strumento binario e una variabile endogena binaria?
(post abbastanza lungo, scusate. Include molte informazioni di base, quindi sentitevi liberi di saltare alla domanda in fondo.) Intro: sto lavorando a un progetto in cui stiamo cercando di identificare l'effetto di una variabile endogena binaria, , su un risultato continuo, y . Abbiamo creato uno strumento, z 1 , …

3
L'assunzione di linearità nella regressione lineare è semplicemente una definizione di
Sto rivedendo la regressione lineare. Il libro di testo di Greene afferma: Ora, naturalmente, ci saranno altre ipotesi sul modello di regressione lineare, come E(ϵ|X)=0E(ϵ|X)=0E(\epsilon|X)=0 . Questa assunzione combinata con l'assunzione di linearità (che in effetti definisce ϵϵ\epsilon ), mette la struttura sul modello. Tuttavia, l'assunto di linearità di per …

2
L'indipendenza media condizionale implica imparzialità e coerenza dello stimatore OLS
Considera il seguente modello di regressione multipla:Y=Xβ+Zδ+U.(1)(1)Y=Xβ+Zδ+U.Y=X\beta+Z\delta+U.\tag{1} Qui YYY è un vettore di colonna n×1n×1n\times 1 ; Matrice XXX a n×(k+1)n×(k+1)n\times (k+1) ; ββ\beta a (k+1)×1(k+1)×1(k+1)\times 1 colonna vettore; ZZZ a n×ln×ln\times l matrice; δδ\delta a l×1l×1l\times 1 colonna vettore; e UUU , il termine di errore, un vettore di …

1
Derivazione della funzione di probabilità per IV-probit
Quindi ho un modello binario in cui è la variabile latente non osservata e l'osservato. determina e è quindi il mio strumento. Quindi in breve il modello è. Poiché i termini di errore non sono indipendenti ma, Uso un modello IV-probit.y∗1y1∗y_1^*y1∈{0,1}y1∈{0,1}y_1 \in \{0,1\}y2y2y_2y1y1y_1z2z2z_2y∗1y2y1===δ1z1+α1y2+u1δ21z1+δ22z2+v2=zδ+v21[y∗>0]y1∗=δ1z1+α1y2+u1y2=δ21z1+δ22z2+v2=zδ+v2y1=1[y∗>0]\begin{eqnarray} y_1^*&=& \delta_1 z_1 + \alpha_1 y_2 + …


1
Perché Anova () e drop1 () hanno fornito risposte diverse per i GLMM?
Ho un GLMM del modulo: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Quando uso drop1(model, test="Chi"), ottengo risultati diversi rispetto a quelli che utilizzo Anova(model, type="III")dal pacchetto auto o summary(model). Questi ultimi due danno le stesse risposte. Usando un mucchio di dati fabbricati, …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.