Domande taggate «instrumental-variables»

Le variabili strumentali (IV) vengono utilizzate per l'inferenza causale con i dati osservativi in ​​presenza di endogeneità quando i metodi di regressione standard producono stime distorte e incoerenti.

1
Coerenza di 2SLS con variabile binaria endogena
Ho letto che lo stimatore 2SLS è ancora coerente anche con la variabile endogena binaria ( http://www.stata.com/statalist/archive/2004-07/msg00699.html ). Nella prima fase, verrà eseguito un modello di trattamento probit anziché un modello lineare. Esistono prove formali per dimostrare che 2SLS è ancora coerente anche quando il 1 ° stadio è un …
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 
3
Assegnazione casuale: perché preoccuparsi?
L'assegnazione casuale è preziosa perché garantisce l'indipendenza del trattamento da potenziali esiti. Questo è il modo in cui conduce a stime imparziali dell'effetto medio del trattamento. Ma altri schemi di assegnazione possono anche garantire sistematicamente l'indipendenza del trattamento da potenziali esiti. Quindi perché abbiamo bisogno di un incarico casuale? Detto …
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.