- Взаимодействие независимых переменных
Содержание
- 2. 2 Когда в начале предыдущей главы была введена множественная регрессия, было указано, что коэффициенты наклона представляют
- 3. 3 В данной модели такая интерпретация невозможна. В частности, невозможно интерпретировать β2 как воздействие X2 на
- 4. 4 Чтобы правильно интерпретировать коэффициенты, теперь мы можем переписать модель, как это представлено выше. Коэффициент X2,
- 5. 5 Переписанная модель явно указывает на то, что предельный эффект X2 зависит от значения X3. Интерпретация
- 6. 6 Можно так же переписать модель, как в третьей строке. Отсюда можно увидеть, что предельный эффект
- 7. 7 β4 можно интерпретировать как изменение коэффициента X2 при изменении X3 на единицу. В равной степени
- 8. 8 Если X3 = 0 далеко за пределами его диапазона в выборке, то интерпретация β2 как
- 9. 9 Иногда оценка будет выглядеть совершенно неправдоподобной, так же, как оценка постоянной в регрессии часто неправдоподобна,
- 10. 10 Это может затруднить сравнение оценок эффектов X2 и X3 на Y в моделях, исключающих и
- 11. 11 Один из способов облегчения проблемы состоит в том, чтобы промасштабировать X2 и X3, чтобы они
- 12. 12 ВЗАИМОДЕЙСТВИЕ НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ Подставляя X2 и X3, модель, как показано, с новыми параметрами, определена исходными
- 13. 13 ВЗАИМОДЕЙСТВИЕ НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ Дело в том, что коэффициенты X2 и X3 теперь дают предельные эффекты
- 14. 14 Например, можно видеть, что β2* дает предельный эффект X2*, и следовательно, X2, когда X3* =
- 15. 15 β3* имеет аналогичную интерпретацию. ВЗАИМОДЕЙСТВИЕ НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ
- 16. . reg LGEARN S EXP ---------------------------------------------------------------------------- Source | SS df MS Number of obs = 500
- 17. 17 Регрессия предполагает, что дополнительный год обучения увеличивает заработную плату на 9.2 процента, а дополнительный год
- 18. . gen SEXP = S*EXP . reg LGEARN S EXP SEXP ---------------------------------------------------------------------------- Source | SS df
- 19. 19 Коэффициент обучения упал. Теперь он изменил свое значение. В настоящее время оценивается влияние дополнительного учебного
- 20. 20 Коэффициент опыта резко упал. Его значение так же изменилось. Теперь это относится к людям без
- 21. 21 Коэффициент SEXP показывает, что коэффициент школьного обучения падает на 0.0012, that is, 0.12 процента за
- 22. 22 Теперь мы определяем S1, EXP1, и SEXP1 как соответствующее обучение, опыт и взаимодействующие переменные за
- 23. . reg LGEARN S1 EXP1 ---------------------------------------------------------------------------- Source | SS df MS Number of obs = 500
- 24. 24 Коэффициенты наклона (и их стандартные ошибки и t статистика) такие же как и раньше. Только
- 25. 25 В исходном описании постоянные оценки предсказывали LGEARN когда S = 0 и EXP = 0.
- 26. 26 В пересмотренном описании постоянные оценки прогнозировали LGEARN когда S1 = 0 и EXP1 = 0,
- 27. . reg LGEARN S1 EXP1 SEXP1 ---------------------------------------------------------------------------- Source | SS df MS Number of obs =
- 28. 28 Однако нижняя половина отличается. Коэффициенты S1 и EXP1 измеряют эффекты этих переменных для среднего значения
- 29. . reg LGEARN S EXP SEXP ---------------------------------------------------------------------------- LGEARN | Coef. Std. Err. t P>|t| [95% Conf.
- 30. 30 Как и прежде, он измеряет изменение коэффициента школьного обучения на единицу (один год) с изменением
- 31. 31 С помощью переменных с вычтенным средним мы можем более четко видеть влияние включения взаимодействия постоянных.
- 32. 32 Если мы предположим, что он должен быть в модели, то не включая его, мы мало
- 34. Скачать презентацию
2
Когда в начале предыдущей главы была введена множественная регрессия, было указано,
2
Когда в начале предыдущей главы была введена множественная регрессия, было указано,
3
В данной модели такая интерпретация невозможна. В частности, невозможно интерпретировать β2
3
В данной модели такая интерпретация невозможна. В частности, невозможно интерпретировать β2
4
Чтобы правильно интерпретировать коэффициенты, теперь мы можем переписать модель, как это
4
Чтобы правильно интерпретировать коэффициенты, теперь мы можем переписать модель, как это
5
Переписанная модель явно указывает на то, что предельный эффект X2 зависит
5
Переписанная модель явно указывает на то, что предельный эффект X2 зависит
6
Можно так же переписать модель, как в третьей строке. Отсюда можно
6
Можно так же переписать модель, как в третьей строке. Отсюда можно
7
β4 можно интерпретировать как изменение коэффициента X2 при изменении X3 на
7
β4 можно интерпретировать как изменение коэффициента X2 при изменении X3 на
8
Если X3 = 0 далеко за пределами его диапазона в выборке,
8
Если X3 = 0 далеко за пределами его диапазона в выборке,
9
Иногда оценка будет выглядеть совершенно неправдоподобной, так же, как оценка постоянной
9
Иногда оценка будет выглядеть совершенно неправдоподобной, так же, как оценка постоянной
10
Это может затруднить сравнение оценок эффектов X2 и X3 на Y
10
Это может затруднить сравнение оценок эффектов X2 и X3 на Y
11
Один из способов облегчения проблемы состоит в том, чтобы промасштабировать X2
11
Один из способов облегчения проблемы состоит в том, чтобы промасштабировать X2
12
ВЗАИМОДЕЙСТВИЕ НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ
Подставляя X2 и X3, модель, как показано, с новыми
12
ВЗАИМОДЕЙСТВИЕ НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ
Подставляя X2 и X3, модель, как показано, с новыми
13
ВЗАИМОДЕЙСТВИЕ НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ
Дело в том, что коэффициенты X2 и X3 теперь
13
ВЗАИМОДЕЙСТВИЕ НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ
Дело в том, что коэффициенты X2 и X3 теперь
14
Например, можно видеть, что β2* дает предельный эффект X2*, и следовательно,
14
Например, можно видеть, что β2* дает предельный эффект X2*, и следовательно,
15
β3* имеет аналогичную интерпретацию.
ВЗАИМОДЕЙСТВИЕ НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ
15
β3* имеет аналогичную интерпретацию.
ВЗАИМОДЕЙСТВИЕ НЕЗАВИСИМЫХ ПЕРЕМЕННЫХ
. reg LGEARN S EXP
----------------------------------------------------------------------------
Source | SS df MS Number
. reg LGEARN S EXP
----------------------------------------------------------------------------
Source | SS df MS Number
17
Регрессия предполагает, что дополнительный год обучения увеличивает заработную плату на 9.2
17
Регрессия предполагает, что дополнительный год обучения увеличивает заработную плату на 9.2
. gen SEXP = S*EXP
. reg LGEARN S EXP SEXP
----------------------------------------------------------------------------
Source
. gen SEXP = S*EXP
. reg LGEARN S EXP SEXP
----------------------------------------------------------------------------
Source
19
Коэффициент обучения упал. Теперь он изменил свое значение. В настоящее время
19
Коэффициент обучения упал. Теперь он изменил свое значение. В настоящее время
20
Коэффициент опыта резко упал. Его значение так же изменилось. Теперь это
20
Коэффициент опыта резко упал. Его значение так же изменилось. Теперь это
21
Коэффициент SEXP показывает, что коэффициент школьного обучения падает на 0.0012, that
21
Коэффициент SEXP показывает, что коэффициент школьного обучения падает на 0.0012, that
22
Теперь мы определяем S1, EXP1, и SEXP1 как соответствующее обучение, опыт
22
Теперь мы определяем S1, EXP1, и SEXP1 как соответствующее обучение, опыт
. reg LGEARN S1 EXP1
----------------------------------------------------------------------------
Source | SS df MS Number
. reg LGEARN S1 EXP1
----------------------------------------------------------------------------
Source | SS df MS Number
24
Коэффициенты наклона (и их стандартные ошибки и t статистика) такие же
24
Коэффициенты наклона (и их стандартные ошибки и t статистика) такие же
25
В исходном описании постоянные оценки предсказывали LGEARN когда S = 0
25
В исходном описании постоянные оценки предсказывали LGEARN когда S = 0
26
В пересмотренном описании постоянные оценки прогнозировали LGEARN когда S1 = 0
26
В пересмотренном описании постоянные оценки прогнозировали LGEARN когда S1 = 0
. reg LGEARN S1 EXP1 SEXP1
----------------------------------------------------------------------------
Source | SS df MS
. reg LGEARN S1 EXP1 SEXP1
----------------------------------------------------------------------------
Source | SS df MS
28
Однако нижняя половина отличается. Коэффициенты S1 и EXP1 измеряют эффекты этих
28
Однако нижняя половина отличается. Коэффициенты S1 и EXP1 измеряют эффекты этих
. reg LGEARN S EXP SEXP
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err.
. reg LGEARN S EXP SEXP
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err.
30
Как и прежде, он измеряет изменение коэффициента школьного обучения на единицу
30
Как и прежде, он измеряет изменение коэффициента школьного обучения на единицу
31
С помощью переменных с вычтенным средним мы можем более четко видеть
31
С помощью переменных с вычтенным средним мы можем более четко видеть
32
Если мы предположим, что он должен быть в модели, то не
32
Если мы предположим, что он должен быть в модели, то не
Что узнали. Чему научились. Математика (4 класс)
Формулы приведения. Знаки тригонометрических функций по четвертям
Математическая природа музыки Работу выполнила ученица 10А класса ПСОШ №1 Селезнёва Любовь Учитель: Селяева Л.А.
Урок геометрии 8 класс
Решение задач на нахождение расстояний и углов в пространстве с помощью метода координат. Задание С2
Координатная плоскость. 6 класс
Методы решения геометрических задач. ЕГЭ, задание С2 (Расстояние от точки до плоскости)
Ноль и единица
Единицы измерения площадей
Теорема Пифагора и её многочисленные доказательства
Анализ временных рядов
Формирование математической грамотности. Решение задач о здоровом питании
Почему на небе тучи? Почему на небе тучи? Почему ежи колючи? Почему снежинка тает До ладошки долетая? Почему звезда упала? Поче
Прямая линия и Точка. Угол
Основні правила комбінаторики
Неопределенный интеграл. Определения и теоремы
Обыкновенные дроби. Основное свойство дробей
Конус. Конические сечения
Действия с десятичными дробями
Постоянные финансовые ренты (аннуитеты)
Теория противоположных и несовместимых событий
Построение графика функции с помощью производной
Maths puzzles
Вычитание с переходом через десяток. (1 класс)
6 стаканов. На столе стоят 6 стаканов. Три из них пустые, а три других – полные водой. Сделайте так, чтобы полные и пустые стаканы чере
Противоположные числа. Модуль числа
Смежные и вертикальные углы
Площадь криволинейной трапеции и интеграл