स्ताटा फॉरेक्स में प्रतीत होता है कि असंबंधित रिग्रेसन

सूचना: आईडीआरई सांख्यिकी परामर्श समूह वेबसाइट को वर्डप्रेस सीएमएस में फरवरी में माइग्रेट कर देगा ताकि नई सामग्री के रख-रखाव और सृजन की सुविधा मिल सके। हमारे कुछ पुराने पृष्ठों को हटा दिया जाएगा या संग्रहीत किया जाएगा ताकि उन्हें अब बनाए रखा नहीं जाएगा हम रीडायरेक्ट बनाए रखने का प्रयास करेंगे ताकि पुरानी यूआरएल हम जितनी अच्छी तरह काम कर सकें उतना काम जारी रहेगा। डिजिटल रिसर्च और एजुकेशन फॉर डिजिटल रिसर्च एंड एजुकेशन में आपका स्वागत है उपहार देने के लिए स्टेट कंसल्टिंग ग्रुप द्वारा सहायता करें। स्टेटा एफएक्यू। प्रतीत होता है कि असंबंधित प्रतिगमन क्या है और मैं इसे स्ताटा में कैसे कर सकता हूं एक सिंगल मॉडल में रैखिक समीकरणों के कई नंबर शामिल हो सकते हैं। ऐसे मॉडल में यह अपेक्षा करने के लिए अक्सर अवास्तविक होता है कि समीकरण त्रुटियों को असंगठित किया जाएगा। समीकरणों का एक समीकरण जिसका समकालीन पार समीकरण त्रुटि सहसंबंध है (यानी प्रतिगमन समीकरणों में त्रुटि की शर्तों को भ्रष्ट किया गया है) को प्रतीत होता है असंबंधित प्रतिगमन (एसआर) प्रणाली कहा जाता है पहली बार देखो, समीकरण असंबंधित लगते हैं, लेकिन समीकरण त्रुटियों में सहसंबंध के माध्यम से संबंधित हैं। अपेक्षाकृत असंबंधित प्रतिगमन करने के लिए स्टाटा कमांड निश्चित है हम हाई स्कूल और बैयड अध्ययन से 200 टिप्पणियों वाली फाइल एचएसबी 2 डाटा का इस्तेमाल करने के बारे में बताएंगे। hsb2.dta को एटीएस वेबसाइट से इंटरनेट पर सीधे नीचे उपयोग आदेश के साथ पहुंचा जा सकता है हम दो समीकरणों का प्रयोग करेंगे, पढ़ने के लिए एक और गणित के लिए एक और sureg कमांड चलाएंगे। इस कमांड के साथ हम दो समीकरणों का अनुमान लगा रहे हैं, जिसमें एक महिला का भविष्यवाणी की जाती है। एसईएस और समाज और अन्य जहां गणित की गणना महिला द्वारा की जाती है एसईएस और विज्ञान अलग समीकरण को कोष्ठकों में निर्दिष्ट किया जाता है, आश्रित चर (परिणाम) पहले सूचीबद्ध होता है, उसके बाद स्वतंत्र (भविष्यवाचक) चर। इन दोनों समीकरणों के बीच संबंध का संबंध यह है कि दो समीकरणों में त्रुटि की शर्तों को सहसंबंधित करने की अनुमति है। रिफर्रेस कमांड का उपयोग करके दो अलग रिग्रेसन के साथ निश्चित कमांड के परिणामों को विपरीत बना देता है। ध्यान दें कि प्रतिगमन गुणांक, मानक त्रुटियां, आर 2 एस आदि मानक प्रतिगमन में उन लोगों से अलग हैं। यह दो समीकरणों में सहसंबद्ध त्रुटियों के कारण है। इस वेब साइट की सामग्री को कैलिफ़ोर्निया यूनिवर्सिटी द्वारा किसी विशेष वेब साइट, किताब या सॉफ़्टवेयर उत्पाद के समर्थन के रूप में नहीं समझा जाना चाहिए। नोट: आईडीआरई सांख्यिकीय परामर्श समूह वेबसाइट को WordPress सीएमएस में माइग्रेट करने के लिए फरवरी में सुविधा प्रदान करेगा रखरखाव और नई सामग्री का निर्माण हमारे कुछ पुराने पृष्ठों को हटा दिया जाएगा या संग्रहीत किया जाएगा ताकि उन्हें अब बनाए रखा नहीं जाएगा हम रीडायरेक्ट बनाए रखने का प्रयास करेंगे ताकि पुरानी यूआरएल हम जितनी अच्छी तरह काम कर सकें उतना काम जारी रहेगा। डिजिटल रिसर्च और एजुकेशन फॉर डिजिटल रिसर्च एंड एजुकेशन में आपका स्वागत है स्टेट कंसल्टिंग ग्रुप को उपहार देने के लिए स्टेटा कोड फ्रेगमेंट फिटिंग मैन्युअल रूप से एक असंबंधित प्रतिगमन (स्टेबग) को मैन्युअल रूप से फिटिंग करें। स्टाटा कमांड ज़रूर एक प्रतीत होता है असंबंधित प्रतिगमन (एसआर) चलाता है। यह एक प्रतिगमन है जिसमें दो (या अधिक) असंबंधित परिणाम चर भविष्यवाणी चर के सेट से अनुमान लगाया गया है। ये भविष्यवक्ता चर दो परिणामों के लिए समान नहीं हो सकते हैं या हो सकते हैं। अगर भविष्यवाचक चर का सेट दो परिणामों में समान है, तो निश्चित से परिणाम OLS से उन लोगों के समान होंगे। अन्य मामलों में (अर्थात गैर-समान भविष्यवाणी समीकरण), एसआर ने ओएलएस की तुलना में अधिक कुशल अनुमान का उत्पादन किया है। यह व्यक्तिगत प्रतिगमन से अवशेषों के संप्रदाय के अनुमानों को भारित करके करता है। प्रतीत होता है असंबंधित प्रतिगमन पर अतिरिक्त जानकारी के लिए ग्रीन (2005 पृष्ठ 340-351) देखें नीचे हम बताते हैं कि कैसे statas sureg कमांड के परिणामों को दोहराने के लिए। हम निम्नलिखित मॉडल को फिट करेंगे: गुणांक B0 बी 1 बी 2 और बी 3 पढ़ने के लिए अवरोधन और प्रतिगमन गुणांक हैं और एर पढ़ने के लिए त्रुटि शब्द है गुणांक g0 जी 1 और जी 2 विज्ञान के लिए प्रतिगमन गुणांक हैं और es विज्ञान के लिए त्रुटि शब्द है इन गुणांकों के लिए समीकरण का मैट्रिक्स रूप है: जहां एक्स मैट्रिक्स का अनुमान लगाया गया है, Y परिणाम का एक सदिश है, और V है: यह एस और आई का क्रोनकेर उत्पाद है। जहां एस एस ओ एस अवशिष्टों का भिन्न प्रकार का मैट्रिक्स है और मैं विश्लेषण में मामलों की संख्या के बराबर आकार एन के एक पहचान मैट्रिक्स है। नीचे हम डेटासेट खोलते हैं और फिर निश्चित कमांड का उपयोग करके उपरोक्त मॉडल को चलाते हैं। सबसे पहले हम मैटैज बढ़ा देंगे, इससे स्ताटा को बड़ा मैट्रिक्स रखना होगा जो इस उदाहरण को चलाने के लिए आवश्यक है। फिर हम रीगास्ट्रेशन कमांड का उपयोग लिखने के लिए लिखने का अनुमान लगाने के लिए करेंगे। गणित, और समाज हम प्रतिगमन चलाने के बाद हम भविष्यवाणी करते हैं कि एक नया चर रासिसि बनाने के लिए जो प्रत्येक मामले के लिए अवशिष्ट होता है। इसके अलावा नीचे हम भविष्यवाणी विज्ञान के मॉडल के लिए पिछले दो चरणों को दोहराते हैं। उपर्युक्त प्रतिगमन से अवशिष्टों के लिए सहकारिता मैट्रिक्स प्राप्त करने के लिए हम कॉर (सहसंबंधी) कमांड को सीओवी विकल्प के साथ उपयोग करते हैं। हम इस मैट्रिक्स को एस के रूप में संग्रहीत करते हैं 2 से 2 सममित मैट्रिक्स फिर हम एक और मैट्रिक्स बनाते हैं I जो विश्लेषण में मामलों की संख्या के बराबर पंक्तियों और स्तंभों की संख्या के साथ एक पहचान मैट्रिक्स है अर्थात i 200 पहचान पहचान के आधार पर 200 है। अंत में, मैट्रिक्स v क्रोनकर का उत्पाद है और मैंने 400 से 400 मैट्रिक्स का उत्पादन किया। नीचे एक उदाहरण है कि एक्स मैट्रिक्स क्या किया जाना चाहिए जब हम कर रहे हैं। नीचे दिखाए गए मैट्रिक्स की पहली दो पंक्तियां पहली समीकरण के लिए पंक्तियां हैं (अतिरिक्त मामलों को छोड़ दिया गया है), दूसरी लाइनों का दूसरा भाग दूसरे समीकरण के लिए लाइनों को दर्शाता है। ध्यान दें कि गणित के स्कोर समान हैं, क्योंकि वही दो काल्पनिक मामले दिखाए जाते हैं। नीचे दिए गए कोड डेटासेट से पहले समीकरण (जैसे गणित लिखने के लिए समाजवादी विपक्ष) के लिए प्रिकेटर चर के मूल्य लेता है और उन्हें मैट्रिक्स में रखता है, xread 200 पंक्तियों (एन 200) और 3 कॉलम (दूसरे समीकरण में तीन चर के लिए) के साथ समारोह जे (200,3,0) द्वारा निर्मित शून्य के एक मैट्रिक्स के नीचे कोड की दूसरी पंक्ति में मूल्यों के दायीं ओर रखा गया है डाटासेट इसी तरह की प्रक्रिया दूसरे समीकरण (xsci) से दूसरे स्थान पर होती है, इस समय सिरों का मैट्रिक्स 200 बाय 4 है, और डेटासेट के मानों के बायीं तरफ रखा जाता है। नीचे दिए गए कोड की अंतिम पंक्ति, दूसरे समीकरण (xsci) के लिए मैट्रिक्स के शीर्ष पर पहले समीकरण (एक्सड) के लिए मैट्रिक्स ढेर करती है, जिसमें एक मैट्रिक्स एक्स होता है। 400 पंक्तियों और 7 कॉलम के साथ पहले दो वैक्टर बनते हैं, दो निर्भर चर के लिए एक (पढ़ना और विज्ञान), फिर पढ़े गए मानों का वेक्टर विज्ञान के मूल्यों के शीर्ष पर 400 पंक्तियों के साथ एक वैक्टर वाई बनाने के लिए स्टैक किया जाता है। अंत में हम भारित अनुमानों की गणना करते हैं, 7 पंक्तियों के साथ वेक्टर बी का उत्पादन करते हैं। फिर हम अपने पैरामीटर अनुमानों को देखने के लिए वेक्टर को सूचीबद्ध कर सकते हैं। ध्यान दें कि ये निश्चित रूप से निर्मित गुणांक अनुमान के समान हैं। माता का उपयोग ऊपर के अपेक्षाकृत छोटे उदाहरण के लिए, हम निश्चित मैटिक्स के अनुमानों को पुन: उत्पन्न करने के लिए Statas मैट्रिक्स फ़ंक्शन का उपयोग कर सकते हैं। हालांकि, यदि आप इसे एक बड़ा उदाहरण के साथ करना चाहते हैं, तो आपको माता का उपयोग करना पड़ सकता है नीचे स्ताता और माता का उपयोग करते हुए इसी उदाहरण को पुन: उत्पन्न करने के लिए कोड है। संदर्भ ग्रीन, विलियम एच। (2005)। अर्थमित्र विश्लेषण पांचवें संस्करण। पियर्सन एजुकेशन।