Ist es möglich, eine Variable zu haben, die sowohl als Effektmodifikator (Messmodifikator) als auch als Störfaktor für ein bestimmtes Paar von Risiko-Ergebnis-Assoziationen fungiert? Ich bin mir der Unterscheidung immer noch ein wenig unsicher. Ich habe mir die grafische Notation angesehen, um den Unterschied zu verstehen, aber die Unterschiede in der …
Ich habe ein GLMM der Form: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Wenn ich benutze drop1(model, test="Chi"), erhalte ich andere Ergebnisse als wenn ich Anova(model, type="III")aus dem Autopaket oder benutze summary(model). Diese beiden letzteren geben die gleichen Antworten. Unter Verwendung einer Reihe …
Ich habe eine Frage zum Differenzen-in-Differenzen-Ansatz mit der folgenden Standardgleichung: Dabei ist Treat eine Dummy-Variable für die behandelte Gruppe und den Post. y=a+b1treat+b2post+b3treat⋅post+uy=a+b1treat+b2post+b3treat⋅post+u y= a + b_1\text{treat}+ b_2\text{post} + b_3\text{treat}\cdot\text{post} + u Nun ist meine Frage einfach: Warum verwenden die meisten Artikel immer noch zusätzliche Steuervariablen? Ich dachte, wenn die …
Dies ist nur ein Beispiel, auf das ich mehrmals gestoßen bin, daher habe ich keine Beispieldaten. Ausführen eines linearen Regressionsmodells in R: a.lm = lm(Y ~ x1 + x2) x1ist eine stetige Variable. x2ist kategorisch und hat drei Werte, z. B. "Niedrig", "Mittel" und "Hoch". Die von R gegebene Ausgabe …
Mein Verständnis ist, dass selbst Regression keine Kausalität gibt. Es kann nur eine Assoziation zwischen y-Variablen und x-Variablen und möglicherweise eine Richtung geben. Hab ich recht? Ich habe oft Sätze gefunden, die "x sagt y voraus" ähneln, selbst in den meisten Lehrbüchern und auf verschiedenen Kursseiten online. Und Sie nennen …
Ich versuche, den durchschnittlichen Behandlungseffekt anhand von Beobachtungsdaten mithilfe der Neigungsbewertung (speziell IPTW) abzuschätzen. Ich denke, ich berechne die ATE korrekt, aber ich weiß nicht, wie ich das Konfidenzintervall der ATE unter Berücksichtigung der inversen Neigungsbewertungsgewichte berechnen soll. Hier ist die Gleichung, die ich zur Berechnung des durchschnittlichen Behandlungseffekts verwende …
Ich lese gerade Pearl's Stück (Pearl, 2009, 2. Auflage) über Kausalität und den Kampf, um den Zusammenhang zwischen der nichtparametrischen Identifizierung eines Modells und der tatsächlichen Schätzung herzustellen. Leider schweigt Pearl selbst zu diesem Thema sehr. Als Beispiel habe ich ein einfaches Modell mit einem Kausalpfad und einem Confounder im …
Ich beschäftige mich mit ARIMA-Modellierung, die mit exogenen Variablen für Werbemodellierungszwecke erweitert wurde, und es fällt mir schwer, sie Geschäftsbenutzern zu erklären. In einigen Fällen erhalten Softwarepakete eine einfache Übertragungsfunktion, dh den Parameter * Exogene Variable. In diesem Fall ist die Interpretation einfach, dh die Werbeaktivität X (dargestellt durch die …
Eine zufällige Zuordnung ist wertvoll, da sie die Unabhängigkeit der Behandlung von potenziellen Ergebnissen gewährleistet. Auf diese Weise führt dies zu unvoreingenommenen Schätzungen des durchschnittlichen Behandlungseffekts. Andere Zuweisungsschemata können jedoch auch systematisch die Unabhängigkeit der Behandlung von potenziellen Ergebnissen sicherstellen. Warum brauchen wir also eine zufällige Zuordnung? Anders ausgedrückt, was …
Nachdem wir gezeigt haben, dass zwei Größen korreliert sind, wie schließen wir daraus, dass die Beziehung kausal ist? Und außerdem was verursacht was? Theoretisch kann man nun eine "zufällige Zuordnung" (was auch immer das richtige Wort ist) verwenden, um eventuelle Unfallbindungen zwischen zwei Variablen aufzubrechen. In einigen Fällen ist dies …
Sei und Zufallsvariablen. ist die bedingte Mittelwert von gegeben . Wir sagen, ist nicht kausal mit wenn nicht von abhängt , was impliziert, dass es gleich . Lassen Sie uns nun für eine Sekunde mit dieser Definition der Kausalität fortfahren. Nach dem Gesetz der iterierten Erwartungen ist . Dies bedeutet, …
\newcommand{\P}{\mathbb{P}} Ich befasse mich mit Beobachtungsdaten, in denen die Behandlungszuordnung außerordentlich gut erklärt werden kann. Zum Beispiel eine logistische Regression von P (A= 1 | X.) = ( 1 + exp(- ( X.β) ) )- 1P(A=1|X)=(1+exp(−(Xβ)))−1\P(A =1 |X) = (1+ \exp(-(X\beta)))^{-1} wehre EINAA Behandlungsaufgabe und X.XX Kovariaten passen sehr gut …
Statistisches Lernen und seine Ergebnisse sind derzeit in den Sozialwissenschaften allgegenwärtig. Vor ein paar Monaten sagte Guido Imbens: "LASSO ist der neue OLS". Ich habe ein wenig Maschinelles Lernen studiert und weiß, dass das Hauptziel die Vorhersage ist. Ich stimme auch Leo Breimans Unterscheidung zwischen zwei Statistikkulturen zu. Aus meiner …
Was ist der beste Weg, um Unterschiede für die binäre und kontinuierliche Behandlung zu visualisieren? Regressiere ich die Ergebnisvariable auf dem Kontrollsatz, schließe aber die Behandlungsvariable aus und zeichne die Residuen in jeder Gruppe (binärer Fall)? Gibt es eine Möglichkeit, die "Dynamik" des ATE-Parameters über die Zeit zu sehen? Ich …
Die übliche Lehrbuchbehandlung zum Anpassen überflüssiger Variablen in OLS besagt, dass der Schätzer immer noch unvoreingenommen ist, aber möglicherweise eine größere Varianz aufweist (siehe z. B. Greene, Econometric Analysis, 7. Aufl., S. 58). Neulich bin ich auf Judea Perles Behandlung von Simpsons Paradox gestoßen und auf eine schöne Webseite , …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.