متعددة الحدود ، الاحتمالية ، و اللوغاريتمي نماذج - في - الحسابية الفوركس

نماذج بروبيت و لوجيت متعددة الحدود لها متغير التابع الذي هو متغير فئوية، غير مرتبة. تسمى فئات الخيارات بدائل (مشفرة كما 1، 2، 3، 4) ويمكن اختيار بديل واحد فقط. ومن الأمثلة على ذلك نوع عقد التأمين الذي يختاره الفرد، والخيار المهني من جانب الفرد (الأعمال التجارية، والأكاديمية، والمنظمات غير الربحية). نماذج متغيرة ومتعددة الاختلافات (موضوعات متغيرة ومتغيرة بديلة) نموذج متعدد الثقافات لوجيت (معاملات، تأثيرات هامشية، إيا) ونموذج بروبيت متعدد الحدود لوجيتيت لوجيت نموذج (معاملات، آثار هامشية) نموذج لوغت مختلط (نموذج المعلمات العشوائية) ملاحظة: ستقوم مجموعة الاستشارات الإحصائية إدر بترحيل الموقع إلى نظام إدارة المحتوى وردبريس في فبراير لتسهيل الصيانة وإنشاء محتوى جديد. ستتم إزالة بعض صفحاتنا القديمة أو وضعها في الأرشيف بحيث لا يتم الاحتفاظ بها بعد الآن. سنحاول الحفاظ على عمليات إعادة التوجيه بحيث تستمر عناوين ورل القديمة في العمل بأفضل ما في وسعنا. مرحبا بكم في معهد للبحوث الرقمية والتعليم مساعدة المجموعة الاستشارية مجموعة من خلال إعطاء هدية ستاتا تحليل البيانات أمثلة متعدد الانحدار اللوجستي الانحدار معلومات الإصدار. تم اختبار رمز هذه الصفحة في ستاتا 12. يستخدم الانحدار اللوجستي متعدد الحدود لنمذجة متغيرات النتائج الاسمية، حيث يتم حساب نماذج السجل للنتائج كخطوة خطية للمتغيرات التنبؤية. يرجى ملاحظة ما يلي: الغرض من هذه الصفحة هو إظهار كيفية استخدام مختلف أوامر تحليل البيانات. وهي لا تغطي جميع جوانب عملية البحث التي يتوقع من الباحثين القيام بها. وعلى وجه الخصوص، فإنه لا يغطي تنظيف البيانات وفحصها والتحقق من الافتراضات والتشخيص النموذجي والتحليلات المحتملة للمتابعة. أمثلة على الانحدار اللوجستي متعدد الحدود مثال 1 - قد تتأثر الخيارات المهنية للشعوب بمهن الوالدين ومستوى تعليمهم الخاص. ويمكننا دراسة العلاقة بين خيار الاحتلال وبين مستوى التعليم واحتلال الآباء. وستكون الخيارات المهنية هي متغير النتائج الذي يتألف من فئات المهن. مثال 2. قد يهتم اختصاصي البيولوجيا بالاختيارات الغذائية التي يقدمها التمساح. قد يكون لدى تماسيح البالغين تفضيلات مختلفة من الشباب. المتغير الناتج هنا سيكون أنواع الطعام، وقد تكون متغيرات التنبؤ حجم التمساح والمتغيرات البيئية الأخرى. مثال: .3 دخول طلاب المدارس الثانویة یختارون البرنامج من البرامج العامة والبرامج المھنیة والبرامج الأکادیمیة. ويمكن أن يكون اختيارهم على غرار درجاتهم الكتابة ووضعهم الاجتماعي الاجتماعي. وصف البيانات بالنسبة إلى مثال تحليل البيانات، سنقوم بتوسيع المثال الثالث باستخدام مجموعة بيانات هسبديمو. يتيح قراءة الأولى في البيانات. تحتوي مجموعة البيانات على متغيرات على 200 طالب. متغير النتيجة هو بروغ. نوع البرنامج. متغيرات التنبؤ هي الحالة الاقتصادية الاجتماعية، سيس، متغير فئوي من ثلاثة مستويات، والكتابة، والكتابة، ومتغير مستمر. دعونا نبدأ مع الحصول على بعض الإحصاءات الوصفية للمتغيرات ذات الاهتمام. طرق التحليل التي قد تفكر في الانحدار اللوجستي متعدد الحدود: محور هذه الصفحة. الانحدار بروبيت متعدد الحدود: على غرار الانحدار اللوجستي متعدد الحدود ولكن مع شروط الخطأ العادية المستقلة. تحليل الوظائف التمييزية متعددة المجموعات: طريقة متعددة المتغيرات لمتغيرات النتائج متعددة الحدود تحليلات الانحدار اللوجستي المتعددة، واحدة لكل زوج من النتائج: مشكلة واحدة في هذا النهج هي أن كل تحليل يحتمل أن يتم تشغيله على عينة مختلفة. والمشكلة الأخرى هي أنه بدون تقييد النماذج اللوجستية، يمكن أن ينتهي بنا المطاف باحتمال اختيار جميع فئات النتائج الممكنة التي تزيد عن 1. انهيار عدد الفئات إلى قسمين ثم إجراء انحدار لوجستي: يعاني هذا النهج من فقدان المعلومات والتغييرات أسئلة البحث الأصلية إلى تلك مختلفة جدا. الانحدار اللوجستي العمودي: إذا كان متغير النتيجة أمر حقا وإذا كان يرضي أيضا افتراض الاحتمالات النسبية، ثم التحول إلى الانحدار اللوجستي الترتيبي سيجعل النموذج أكثر شاذا. انحدار بروبيت متعدد البدائل متعدد البدائل: يسمح لهياكل خطأ مختلفة تسمح بالتالي بالاسترخاء لاستقلالية البدائل غير ذات الصلة (إيا، انظر أدناه كوتينغز تو كونسيغنوت) افتراض. ويتطلب ذلك أن يكون هيكل البيانات محددا. متداخلة نموذج لوجيت: أيضا يخفف افتراض إيا، يتطلب أيضا بنية البيانات يكون اختيار محددة. الانحدار اللوجستي متعدد الحدود أدناه نستخدم الأمر ملوجيت لتقدير نموذج الانحدار اللوجستي متعدد الحدود. i. قبل أن يشير سيس إلى أن سيس هو متغير مؤشر (أي متغير فئوي)، وأنه ينبغي تضمينه في النموذج. لقد استخدمنا أيضا الخيار كوت كوت للإشارة إلى الفئة التي نريد استخدامها لمجموعة المقارنة الأساسية. في النموذج أدناه، اخترنا استخدام نوع البرنامج الأكاديمي كفئة الأساس. في الإخراج أعلاه، نرى أولا سجل التكرار، مشيرا إلى مدى سرعة النموذج التقارب. يمكن استخدام احتمال السجل (-179.98173) في مقارنات النماذج المتداخلة، ولكننا لن نعرض مثالا لمقارنة النماذج هنا تخبرنا نسبة الاحتمال تشي-سكوار من 48.23 بقيمة p لوت 0.0001 بأن نموذجنا يناسب الجميع أفضل بكثير من نموذج فارغ (أي نموذج مع عدم وجود تنبؤات) الإخراج أعلاه له جزأين، المسمى مع فئات متغير النتيجة بروغ. وهي تتوافق مع المعادلتين التاليتين: حيث (ب) s هي معاملات الانحدار. ترتبط زيادة وحدة واحدة في الكتابة المتغيرة مع انخفاض .058 في احتمال سجل النسبي لكونها في البرنامج العام مقابل البرنامج الأكاديمي. ويرتبط زيادة وحدة واحدة في الكتابة المتغيرة مع انخفاض .1136 في احتمال النسبية من احتمال أن يكون في برنامج مهنة مقابل البرنامج الأكاديمي. سوف تنخفض الاحتمالات النسبية لكونها في البرنامج العام مقابل في البرنامج الأكاديمي بنسبة 1.163 إذا انتقل من أدنى مستوى سيس (سيس 1) إلى أعلى مستوى سيس (سيس 3). وغالبا ما يشار إلى نسبة احتمال اختيار فئة واحدة من فئات النتائج على احتمالية اختيار فئة خط الأساس كمخاطر نسبية (كما يشار إليها أحيانا على أنها احتمالات كما استخدمنا للتو لوصف معلمات الانحدار أعلاه). ويمكن الحصول على المخاطرة النسبية عن طريق تفسير المعادلات الخطية أعلاه، مما يؤدي إلى معاملات الانحدار التي تمثل نسبا نسبية للمخاطر بالنسبة لتغير الوحدة في متغير التنبؤ. يمكننا استخدام الخيار ر لأمر ملوجيت لعرض نتائج الانحدار من حيث النسب النسبية للمخاطر. نسبة الاختطار النسبية لوحدة واحدة زيادة في الكتابة المتغيرة هي .9437 (إكس (-. 0579284) من إخراج أول أمر ملوجيت أعلاه) لكونها في البرنامج العام مقابل البرنامج الأكاديمي. نسبة الاختطار النسبي التي تحول من 1 إلى 3 هي 3.126 لكونها في البرنامج العام مقابل البرنامج الأكاديمي. وبعبارة أخرى، فإن الخطر المتوقع للبقاء في البرنامج العام هو أقل بالنسبة للموضوعات التي هي عالية في سيس. يمكننا اختبار التأثير العام لل سيس باستخدام أمر الاختبار. ونرى أدناه أن التأثير العام لل سيس له دلالة إحصائية. وبشكل أكثر تحديدا، يمكننا أيضا اختبار ما إذا كان تأثير 3.ses في التنبؤ العام مقابل الأكاديمي يساوي تأثير 3.ses في التنبؤ المهنة مقابل الأكاديمي باستخدام أمر الاختبار مرة أخرى. ويظهر الاختبار أن الآثار لا تختلف إحصائيا عن بعضها البعض. يمكنك أيضا استخدام الاحتمالات المتوقعة لمساعدتك على فهم النموذج. يمكنك حساب الاحتمالات المتوقعة باستخدام أمر الهوامش. أدناه نستخدم الأمر هوامش لحساب احتمال توقع اختيار كل نوع البرنامج في كل مستوى من سيس. مع االحتفاظ بجميع المتغيرات األخرى في النموذج بوسائلها. نظرا لوجود ثلاث نتائج محتملة، سنحتاج إلى استخدام الأمر الهامش ثلاث مرات، واحد لكل قيمة ناتجة. يمكننا استخدام الأمر مارجينسبلوت لرسم الاحتمالات المتوقعة من قبل سيس لكل فئة من بروغ. وتستند المؤامرات التي أنشأتها مارجينزبلوت على المدى الأخير تشغيل الهوامش. وعلاوة على ذلك، يمكننا الجمع بين الهامشبلوتس الثلاثة في رسم بياني واحد لتسهيل المقارنة باستخدام الأمر الجمع بين الرسم البياني. كما يتم إنشاؤه، يجب أن تعطى كل هوامشبلوت اسما، والتي سيتم استخدامها من خلال الجمع بين الرسم البياني. بالإضافة إلى ذلك، نود أن يكون المحاور ص لها نفس النطاق، لذلك نحن نستخدم الخيار يكومون مع الجمع بين الرسم البياني. وهناك طريقة أخرى لفهم النموذج باستخدام الاحتمالات المتوقعة هي النظر إلى الاحتمالات المتوقعة المتوسطة لقيم مختلفة من الكتابة المتغيرة المتنبأ المستمر. المتوسط ​​عبر مستويات سيس. في بعض الأحيان، واثنين من المؤامرات يمكن أن تنقل كمية صفقة جيدة من المعلومات. أدناه، نحن رسم الاحتمالات المتوقعة ضد النتيجة الكتابة من قبل سيس لمستويات مختلفة من متغير النتيجة. وقد نود أيضا أن نرى تدابير لمدى ملاءمة نموذجنا. وهذا يمكن أن يكون مفيدا بشكل خاص عند مقارنة النماذج المنافسة. ينتج الأمر فيتستات المكتوب من المستخدم مجموعة متنوعة من الإحصاءات المناسبة. يمكنك العثور على مزيد من المعلومات حول فيتستات وتنزيل البرنامج باستخدام الأمر فيستيت فيتستات في ستاتا (انظر كيف يمكنني استخدام الأمر فينديت للبحث عن البرامج والحصول على مساعدة إضافية لمزيد من المعلومات حول استخدام فينديت). الأمور التي يجب مراعاتها افتراض استقلالية البدائل غير الملائمة: يعني افتراض إيا تقريبا أن إضافة أو حذف فئات النتائج البديلة لا يؤثر على الاحتمالات بين النتائج المتبقية. يمكن إجراء اختبار الافتراض إيا باستخدام الأمر ستاتا ملوغتيست، إيا. ومع ذلك، اعتبارا من 23 أبريل 2010، ملوغتيست، إيا لا يعمل مع متغيرات عامل. وهناك أساليب بديلة للنمذجة تخفف من افتراضات معهد المدققين الداخليين، مثل نماذج بروبيت متعددة البدائل الخاصة أو نماذج لوغت متداخلة. التشخيص ونموذج تناسب: على عكس الانحدار اللوجستي حيث هناك العديد من الإحصاءات لأداء التشخيص النموذجي، فإنه ليس من قبيل مباشرة لإجراء التشخيص مع نماذج الانحدار اللوجستي متعدد الحدود. يمكن الحصول على إحصاءات نموذج صالح عن طريق الأمر فيتستات. لغرض الكشف عن القيم المتطرفة أو نقاط البيانات المؤثرة، يمكن للمرء تشغيل نماذج لوغيت منفصلة واستخدام أدوات التشخيص على كل نموذج. الزائفة - R - تربيع: R - التربيع المعروضة في الإخراج هو في الأساس التغيير من حيث احتمال السجل من نموذج اعتراض فقط إلى النموذج الحالي. فإنه لا ينقل نفس المعلومات كما R - مربع للانحدار الخطي، على الرغم من أنه لا يزال كوتث أعلى، و بيستكوت. حجم العينة: الانحدار متعدد الحدود يستخدم أقصى طريقة تقدير الاحتمال، فإنه يتطلب حجم عينة كبيرة. كما أنه يستخدم معادلات متعددة. وهذا يعني أنه يتطلب حجم عينة أكبر من الانحدار اللوجستي الثنائي أو الثنائي. الفصل الكامل أو شبه الكامل: الفصل الكامل يعني أن متغير النتيجة يفصل متغير التنبؤ تماما، مما يؤدي إلى التنبؤ المثالي من قبل متغير التنبؤ. على عكس تشغيل نموذج لوجيت، ستاتا لا تقدم تحذيرا عندما يحدث هذا. بدلا من ذلك فإنه لا يزال يحسب بشكل متكرر ويتطلب إنهاء اليدوي لوقف العملية. والتنبؤ المثالي يعني أن قيمة واحدة فقط لمتغير متنبؤ مرتبط بقيمة واحدة فقط لمتغير الاستجابة. ولكن يمكنك أن تقول من الناتج من معاملات الانحدار أن شيئا ما هو الخطأ. ثم يمكنك إجراء تبويب ثنائي الاتجاه لمتغير النتيجة مع المتغير الإشكالي لتأكيد ذلك ثم إعادة تشغيل النموذج بدون المتغير المشكل. خلايا فارغة أو خلايا صغيرة: يجب عليك التحقق من وجود خلايا فارغة أو صغيرة عن طريق إجراء تبويب بين مؤشرات التنبؤات الفئوية ومتغير النتيجة. إذا كان لدى خلية عدد قليل جدا من الحالات (خلية صغيرة)، قد يصبح النموذج غير مستقر أو قد لا يعمل حتى على الإطلاق. ربما البيانات الخاصة بك قد لا تلبي تماما الافتراضات والأخطاء القياسية الخاصة بك قد تكون خارج العلامة. قد ترغب في الاطلاع على صفحتنا التي تعرض طرقا بديلة لحساب الأخطاء القياسية التي يقدمها ستاتا. في بعض الأحيان يتم تجميع الملاحظات في مجموعات (مثل الناس داخل الأسر، والطلاب داخل الفصول الدراسية). في مثل هذه الحالات، قد ترغب في الاطلاع على صفحتنا حول عدم الاستقلال ضمن المجموعات. المراجع يجب ألا يفسر محتوى هذا الموقع على أنه تأييد لأي موقع ويب أو كتاب أو منتج معين من قبل جامعة كاليفورنيا.