Tampaknya Ada Regresi Yang Tidak Terkait Dalam Stata Forex

PEMBERITAHUAN: Kelompok konsultasi Statistik IDRE akan memindahkan situs web ke CMS WordPress pada bulan Februari untuk memfasilitasi pemeliharaan dan pembuatan konten baru. Beberapa halaman lama kami akan dihapus atau diarsipkan sehingga tidak lagi dipelihara. Kami akan mencoba untuk mempertahankan pengalihan sehingga URL lama akan terus bekerja sebaik mungkin. Selamat datang di Institut Riset Digital dan Bantuan Pendidikan di Stat Consulting Group dengan memberikan hadiah Stata hadiah Apa yang dimaksud dengan regresi yang tidak terkait dan bagaimana saya dapat melakukannya di Stata Model tunggal mungkin berisi sejumlah persamaan linier. Dalam model seperti itu, seringkali tidak realistis untuk mengharapkan bahwa kesalahan persamaan akan tidak berkorelasi. Satu set persamaan yang memiliki korelasi kesalahan persamaan lintas persamaan (yaitu istilah kesalahan dalam persamaan regresi disesuaikan) disebut sistem regresi (SUR) yang tampaknya tidak terkait. Pada pandangan pertama, persamaan tampak tidak terkait, namun persamaan tersebut terkait melalui korelasi dalam kesalahan. Perintah Stata untuk melakukan regresi yang tampaknya tidak terkait adalah sureg. Kami akan mengilustrasikan sureg dengan menggunakan file hsb2.dta yang berisi 200 pengamatan dari studi High School and Beyond. Hsb2.dta dapat diakses langsung melalui internet dari website ATS dengan menggunakan perintah di bawah ini. Kita akan menggunakan dua persamaan, satu untuk dibaca dan satu untuk matematika dan menjalankan perintah sureg. Dengan perintah ini kita memperkirakan dua persamaan, satu di antaranya dibaca diprediksi oleh wanita. Ses. Dan socst dan yang lainnya dimana matematika diprediksi oleh wanita. Ses. Dan sains. Persamaan terpisah ditentukan dalam tanda kurung, dengan variabel dependen (hasil) yang tercantum pertama, diikuti oleh variabel independen (prediktor). Kutipan kutipan antara kedua persamaan ini adalah bahwa istilah kesalahan dalam dua persamaan diperbolehkan berkorelasi. Mari kita bandingkan hasil perintah sureg dengan dua regresi terpisah dengan menggunakan perintah regres. Perhatikan bahwa koefisien regresi, kesalahan standar, R2, dll berbeda dalam sureg dari regresi standar. Hal ini disebabkan adanya kesalahan yang berkorelasi dalam dua persamaan. Isi dari situs web ini tidak boleh dianggap sebagai pengesahan dari situs web, buku, atau produk perangkat lunak tertentu oleh University of California. NOTICE: Kelompok konsultasi Statistik IDRE akan memindahkan situs web ke CMS WordPress pada bulan Februari untuk memfasilitasi Pemeliharaan dan pembuatan konten baru. Beberapa halaman lama kami akan dihapus atau diarsipkan sehingga tidak lagi dipelihara. Kami akan mencoba untuk mempertahankan pengalihan sehingga URL lama akan terus bekerja sebaik mungkin. Selamat datang di Institute for Digital Research and Education Bantu Stat Consulting Group dengan memberikan hadiah Stata Code Fragmen Memasangkan sebuah regresi yang tampaknya tidak terkait (sureg) secara manual Perintah Stata sureg menjalankan sebuah regresi yang tampaknya tidak terkait (SUR). Itu adalah regresi dimana dua (atau lebih) variabel hasil yang tidak terkait diprediksi oleh kumpulan variabel prediktor. Variabel prediktor ini mungkin atau mungkin tidak sama untuk kedua hasil. Jika himpunan variabel prediktor identik di dua hasil, hasil dari sureg akan sama dengan OLS. Dalam kasus lain (yaitu persamaan prediksi yang tidak identik), SUR menghasilkan perkiraan yang lebih efisien daripada OLS. Hal ini dilakukan dengan menimbang perkiraan oleh kovariansi residual dari regresi individual. Lihat Greene (2005 p 340-351) untuk informasi tambahan tentang regresi yang tampaknya tidak terkait. Di bawah ini kami tunjukkan bagaimana cara mereplikasi hasil perintah Statas sureg. Kita akan cocok dengan model berikut: Koefisien b0. B1. B2. Dan b3. Adalah koefisien intercept dan regresi untuk dibaca. Dan er adalah istilah kesalahan untuk dibaca. Koefisien g0. G1. Dan g2 adalah koefisien regresi untuk sains. Dan es adalah istilah kesalahan untuk sains. Bentuk matriks dari persamaan untuk koefisien ini adalah: Dimana X adalah matriks prediktor, Y adalah vektor hasil, dan V adalah: yaitu produk Kronecker dari S dan I. Dimana S adalah matriks kovarians varians dari residu OLS dan I adalah matriks identitas dengan ukuran n sama dengan jumlah kasus dalam analisis. Di bawah ini kita buka dataset dan kemudian jalankan model di atas dengan menggunakan perintah sureg. Pertama kita akan meningkatkan matsize, ini akan memungkinkan Stata untuk memegang matriks yang lebih besar yang diperlukan untuk menjalankan contoh ini. Kemudian kita akan menggunakan perintah regres untuk memprediksi membaca menggunakan tulisan. Matematika, dan sosial. Setelah kita jalankan regresi yang kita gunakan memprediksi untuk membuat variabel baru rresid yang berisi residual untuk setiap kasus. Selanjutnya di bawah ini kita ulangi dua langkah terakhir untuk model yang memprediksi sains. Kami menggunakan perintah cor (correlate) dengan opsi cov untuk mendapatkan matriks kovariansi untuk residual dari regresi di atas. Kami menyimpan matriks ini sebagai s. Matriks simetris 2 kali 2. Kemudian kita membuat matriks lain i. Yang merupakan matriks identitas dengan jumlah baris dan kolom sama dengan jumlah kasus dalam analisis yaitu i adalah 200 dengan 200 matriks identitas. Akhirnya, matriks v adalah produk Kronecker dari s dan i yang menghasilkan matriks 400 by 400. Berikut adalah contoh dari apa matriks X seharusnya terlihat seperti saat kita selesai. Dua baris pertama dari matriks yang ditunjukkan di bawah ini adalah garis untuk persamaan pertama (dengan kasus tambahan dihilangkan), rangkaian garis kedua menunjukkan garis untuk persamaan kedua. Perhatikan bahwa nilai matematika sama, karena dua kasus hipotetis yang sama ditunjukkan. Kode di bawah ini mengambil nilai variabel prediktor untuk persamaan pertama (yaitu matematika menulis pertentangan sosial) dari kumpulan data dan menempatkannya dalam matriks, xread. Pada baris kedua kode di bawah matriks angka nol yang dihasilkan oleh fungsi J (200,3,0) dengan 200 baris (n200) dan 3 kolom (untuk tiga variabel pada persamaan kedua) ditempatkan di sebelah kanan nilai dari Dataset Proses yang sama terjadi untuk prediktor dari persamaan kedua (xsci) kecuali saat ini matriks angka nol adalah sebesar 200 kali 4, dan ditempatkan di sebelah kiri nilai dari dataset. Baris terakhir kode di bawah ini menumpuk matriks untuk persamaan pertama (xread) di atas matriks untuk persamaan kedua (xsci), membuat matriks tunggal x. Dengan 400 baris dan 7 kolom. Dua vektor pertama diciptakan, satu untuk masing-masing dari dua variabel dependen (baca dan sains), maka vektor nilai baca ditumpuk di atas vektor nilai sains untuk membuat vektor tunggal y dengan 400 baris. Akhirnya kita menghitung taksiran tertimbang, menghasilkan vektor b dengan 7 baris. Kemudian kita bisa daftar vektor untuk melihat perkiraan parameter kami. Perhatikan bahwa ini sama dengan perkiraan koefisien yang dihasilkan oleh sureg. Menggunakan Mata Untuk contoh yang relatif kecil di atas, kita bisa menggunakan fungsi matriks Statas untuk mereproduksi perkiraan dari sureg. Namun, jika Anda ingin melakukan ini dengan contoh yang lebih besar, Anda mungkin perlu menggunakan Mata. Berikut adalah kode untuk mereproduksi contoh yang sama dengan menggunakan Stata dan Mata. Referensi Greene, William H. (2005). Analisis Ekonometrika. Edisi kelima Pendidikan Pearson.