Teste parcial f em stata forex

Re: st: teste F parcial Wed, 18 Oct 2006 22:14:23 -0500 Suas referências à criação de um novo conjunto de dados me fazem suspeitar que o jmp (seja o que for) deve fazer as coisas de forma um pouco diferente do que a Stata. Eu acho que o que você chama de teste F parcial eu chamo um teste F incremental. Ou isso ou eu não entendemos a questão. Talvez você queira algo como isto: regresse x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x 2 Suponha que de alguma forma tenha criado uma variável chamada outlier que seja igual a 1 para casos que você deseja excluir, 0 para os casos que deseja manter. Use o qualificador if em regressão. Regride y x1 x2 x3 x4 se outlier 0 Para obter uma visão geral sobre o uso do Stata para regressão OLS, consulte ------------------------------ ------------- Richard Williams, Notre Dame Departamento de Sociologia SERVIÇO: (574) 631-6668, (574)631-6463 FAX: (574)288-4373 HOME: (574) 289 -5227 EMAIL: Richard. A.Williams.5ND. Edu WWW (pessoal): nd. edu rwilliam WWW (departamento): nd. eduO teste F para Definições de Regressão Linear para Regressão com Intercept n é o número de observações, p é O número de parâmetros de regressão. Soma corrigida dos quadrados para o modelo: SSM Sigma i1 n (y i - y) 2, também chamado de soma de quadrados para regressão. Soma de quadrados para erro: SSE Sigma i1 n (y i - y i) 2, também chamado soma de quadrados para resíduos. Soma corrigida dos quadrados Total: SST Sigma i1 n (y i - y) 2 Esta é a variância da variável y variada multiplicada por n - 1. Para modelos de regressão múltiplos, SSM SSE SST. Graus de liberdade corrigidos para modelo: DFM p - 1 Graus de liberdade para erros: DFE n - p Graus de liberdade corrigidos Total: DFT n - 1 Subtrair 1 de n para os graus de liberdade corrigidos. A regressão da linha horizontal é o modelo da hipótese nula. Para modelos de regressão múltipla com interceptação, DFM DFE DFT. Média de quadrados para o modelo: MSM SSM DFM Média de quadrados para erro: MSE SSE DFE A variância da amostra dos resíduos. De maneira análoga à da Propriedade 10 de Propriedades de Variáveis ​​Aleatórias. Que afirma que s 2 é imparcial para sigma 2. pode ser mostrado que MSE é imparcial para Sigma 2 para modelos de regressão múltipla. Média de Quadrados Total: MST SST DFT A variância da variável y. Em geral, um pesquisador quer que a variação devido ao modelo (MSM) seja grande em relação à variação devido aos resíduos (MSE). Nota: as definições nesta seção não são válidas para regressão através dos modelos de origem. Eles exigem o uso de somas de quadrados não corrigidas. O teste F Para um modelo de regressão múltipla com interceptação, queremos testar a seguinte hipótese nula e hipótese alternativa: H 1. Beta j ne 0, para pelo menos um valor de j Este teste é conhecido como o teste F geral para regressão. Aqui estão os cinco passos do teste F geral para regressão. Indique as hipóteses nulas e alternativas: H 1. Beta j ne 0, para pelo menos um valor de j. Calcule a estatística de teste assumindo que a hipótese nula é verdadeira: MS MSM (variância explicada) (variância inexplicada) Encontre um intervalo de confiança 1 (1-alfa) I para (DFM, DFE) graus de liberdade usando uma tabela F ou software estatístico. Aceite a hipótese nula se F for em eu rejeitá-lo se F notin I. Usar software estatístico para determinar o valor p. Problema de prática: para um modelo de regressão múltipla com 35 observações e 9 variáveis ​​independentes (10 parâmetros), SSE 134 e SSM 289, teste a hipótese nula de que todos os parâmetros de regressão são zero no nível de 0.05. Resolução: DFE n - p 35 - 10 25 e DFM p - 1 10 - 1 9. Aqui estão os cinco passos do teste da hipótese: Indique a hipótese nula e alternativa: H 1. Beta j 0 para algum j. Calcule a estatística de teste: F MSMMSE (SSMDFM) (SSEDFE) (2899) (13425) 32.111 5.360 5.991 Encontre um intervalo de confiança (1 - 0.05) times100 para a estatística de teste. Procure na tabela F na entrada 0,05 por 9 df no numerador e 25 df no denominador. Esta entrada é 2,28, então o intervalo de confiança 95 é 0, 2,34. Este intervalo de confiança também pode ser encontrado usando a chamada de função R qf (0,95, 9, 25). Decida se aceita ou rejeita a hipótese nula: 5.991 notin 0, 2.28, então rejeite H 0. Determine o valor p. Para obter o p-valor exato, use o software estatístico. No entanto, podemos encontrar uma aproximação aproximada do valor p, examinando as outras entradas na tabela F para (9, 25) graus de liberdade: o valor F é 5.991, de modo que o valor p deve ser inferior a 0,005 . Verifique o valor da estatística F para o Exemplo de Hamster. Os valores R 2 e R 2 ajustados Para regressão linear simples, R 2 é o quadrado da correlação de amostra r xy. Para regressão linear múltipla com interceptação (que inclui regressão linear simples), é definida como r 2 SSM SST. Em ambos os casos, R 2 indica a proporção de variação na variável y que é devido à variação nas variáveis ​​x. Muitos pesquisadores preferem o valor R 2 ajustado R 2 em vez disso, que é penalizado por ter um grande número de parâmetros no modelo: R 2 1 - (1 - R 2) (n - 1) (n - p) Aqui derivação de R 2. R 2 é definido como 1 - SSESST ou 1 - R 2 SSESST. Para levar em consideração o número de parâmetros de regressão p, defina o valor ajustado R-quadrado como 1 - R 2 MSEMST, onde MSE SSEDFE SSE (n - p) e MST SSTDFT SST (n - 1). Assim, SSE (n - p) SST (n - 1) (SSESST) (n - 1) (n - p) 1 - (SSESST) (n - 1) (n - p) 1 - (1 - R 2) (N-1) (n-p) Problema de prática: um modelo de regressão possui 9 variáveis ​​independentes, 47 observações e R 2 0.879.Ans: p 10 e n 47. R 2 1 - (1 - R 2) (n - 1) (n - p) 1 - (1 - 0,879) (47 - 1) (47 - 10) 0,8496.