Test F Parziale Nel Forex Stata

Re: st: prova parziale F Mer 18 Ott 2006 22:14:23 -0500 I suoi riferimenti alla creazione di un nuovo insieme di dati mi fanno sospettare che JMP (qualunque essa sia) deve fare le cose un po 'diverso rispetto Stata fa. Credo che quello che si chiama un test F parziale, che io chiamo un test F incrementale. Uno che o Non capisco la domanda. Forse si vuole qualcosa di simile: regresso y x1 x2 x3 prova x4 x3 x4 cioè verificare l'ipotesi che gli effetti di x3 e x4 sono entrambi 0. Si potrebbe anche fare qualcosa di simile nestreg: regredire y (x1 x2) (x3 x4) consente Supponete di avere in qualche modo creato una chiamata outlier variabile che è uguale a 1 per i casi che si desidera escludere, 0 per i casi che si desidera conservare. Utilizzare il caso di qualificazione in regresso. regredire y x1 x2 x3 x4 se outlier 0 Per una panoramica utilizzando Stata per OLS la regressione, vedere ------------------------------ ------------- Richard Williams, Notre Dame Dipartimento di Sociologia UFFICIO: (574) 631-6668, (574)631-6463 FAX: (574)288-4373 casa: (574) 289 -5227-MAIL: Richard. A.Williams.5ND. Edu WWW (personale): nd. edu rwilliam WWW (dipartimento): nd. eduThe F-test per la regressione lineare definizioni per la regressione con Intercept n è il numero di osservazioni, p è il numero di parametri di regressione. Somma Corretto dei quadrati per il modello: SSM Sigma i1 N (y i - y) 2, chiamato anche somma dei quadrati di regressione. Somma dei quadrati per errore: SSE Sigma i1 n (y i - y i) 2, chiamato anche somma dei quadrati di residui. Somma Corretto dei quadrati totale: SST Sigma i1 n (y i - y) 2 Questa è la varianza campione della variabile y moltiplicato per n - 1. Per i modelli di regressione multipla, SSM SSE SST. Gradi Corretti di libertà per il modello: DFM p - 1 gradi di libertà per errore: DFE n - p Corretto gradi di libertà totale: DFT n - 1 Sottrai 1 da n per i gradi di libertà corretti. Linea orizzontale di regressione è il modello ipotesi nulla. Per i modelli di regressione multipla con intercettazione, DFM DFE DFT. Media dei quadrati per il modello: MSM SSM DFM medio dei quadrati per errore: MSE SSE DFE Il campione varianza dei residui. In modo analogo a Property 10 di proprietà delle variabili casuali. in cui si afferma che s 2 è imparziale per Sigma 2. si può dimostrare che MSE è imparziale per Sigma 2 per modelli di regressione multipla. Media dei quadrati totali: MST SST DFT Il campione varianza della variabile y. In generale, un ricercatore vuole la variazione dovuta al modello (MSM) per essere grande rispetto alla variazione dovuta ai residui (MSE). Nota: le definizioni di questa sezione non sono validi per la regressione attraverso i modelli di origine. Essi richiedono l'impiego di somme non corretti dei quadrati. L'F-test per un modello di regressione multipla con intercettazione, vogliamo testare la seguente ipotesi nulla e l'ipotesi alternativa: H 1. beta j ne 0, per almeno un valore di j Questo test è noto come il F-test generale per la regressione. Ecco i cinque passi del F-test generale per la regressione di Stato l'ipotesi nulla e alternativa: H 1. beta j ne 0, per almeno un valore di j Calcola la statistica test assumendo che l'ipotesi nulla è vera: F MSM MSE (spiegata varianza) (varianza non spiegata) Trova un (1 - alfa) intervallo di 100 fiducia che ho per (DFM, DFE) gradi di libertà con un F-tavolo o software statistici. Accettare l'ipotesi nulla se F ISIN rifiuto, se F notin I. Utilizzare software statistico per determinare il p-value. Pratica Problema: Per un modello di regressione multipla con 35 osservazioni e 9 variabili indipendenti (10 parametri), SSE 134 e 289 SSM, verificare l'ipotesi nulla che tutti i parametri di regressione sono zero al 0,05 level. Solution: DFE n - p 35 - 10 25 e DFM p - 1 10 - 1 9. Ecco i cinque passi del test di ipotesi: Stato l'ipotesi nulla e alternativa: H 1. beta j 0 per qualche j Calcola la statistica del test: F MSMMSE (SSMDFM) (SSEDFE) (2899) (13425) 32,111 5,360 5,991 Trova un (1 - 0,05) times100 intervallo di confidenza per la statistica test. Cercare nella F-tavolo al 0,05 voce per 9 df al numeratore e 25 df al denominatore. Questa voce è 2.28, quindi l'intervallo di confidenza 95 è 0, 2.34. Questo intervallo di confidenza può anche essere trovato utilizzando la funzione di chiamata R qf (0.95, 9, 25). Decidere se accettare o rifiutare l'ipotesi nulla: 5.991 notin 0, 2.28, in modo da rifiutare H 0. Determinare il p-value. Per ottenere l'esatto valore p, utilizzare il software statistico. Tuttavia, possiamo trovare una approssimazione al valore di p esaminando le altre voci della F-tavolo per (9, 25) gradi di libertà: L'F-valore è 5.991, in modo che il p-valore deve essere inferiore a 0,005 . Verificare il valore della statistica F per il criceto Esempio. La R R 2 e rettificato 2 valori per semplice regressione lineare, R 2 è il quadrato del campione correlazione r xy. Per regressione lineare multipla con intercetta (che include semplice regressione lineare), è definito come r 2 SSM SST. In entrambi i casi, R 2 indica la percentuale di variazione della variabile y che è dovuta alla variazione di x-variabili. Molti ricercatori preferiscono la adjusted R 2 valore R 2 invece, penalizzata per avere un elevato numero di parametri del modello: R 2 1 - (1 - R 2) (n - 1) (n - p) Qui derivazione R 2. R 2 è definito come 1 - SSESST o 1 - R 2 SSESST. Per tener conto del numero di parametri di regressione p, definire la rettificato valore R quadrato AS1 - R 2 MSEMST, dove MSE SSEDFE SSE (n - p) e MST SSTDFT SST (n - 1). Così, 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) Pratica Problema: Un modello di regressione ha 9 variabili indipendenti, 47 osservazioni, 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.