Als «stata» getaggte Fragen

Ein statistisches Softwarepaket. Verwenden Sie dieses Tag für alle themenbezogenen Fragen, bei denen (a) Stata entweder als kritischer Teil der Frage oder als erwartete Antwort betrifft und (b) nicht nur die Verwendung von Stata betrifft.

3
Ist das Mundlak-Verfahren für feste Effekte für die logistische Regression mit Dummies anwendbar?
Ich habe einen Datensatz mit 8000 Clustern und 4 Millionen Beobachtungen. Leider läuft meine Statistiksoftware Stata ziemlich langsam, wenn sie ihre Paneldatenfunktion für die logistische Regression verwendet: xtlogitSelbst bei einer Teilstichprobe von 10%. Bei Verwendung der Nonpanel- logitFunktion erscheinen die Ergebnisse jedoch viel früher. Daher kann ich möglicherweise von der …
1
Wie kann eine Regression instrumenteller Variablen mit einem instrumentierten Interaktionsterm in Stata durchgeführt werden?
Ich habe ein kleines Problem mit der Stata-Syntax. Ich muss die folgende Regression durchführen: y=ax+bz+c(xz)+ey=ax+bz+c(xz)+ey = ax + bz + c(xz) + e wobei sowohl als auch instrumentiert sind und auch der Interaktionsterm xz die instrumentierten Werte von x und z verwendet .xxxzzzxzxzxzxxxzzz Nur die vorhergesagten Werte für xxx und …
3
Illustrative Datensätze und Analysen für die mehrstufige Modellierung
Ich habe kürzlich einen Einführungskurs in Mehrebenenmodellierung besucht. Die meisten Datensätze und Beispiele stammen aus den Sozialwissenschaften. Ich habe gerade ein zweiwöchiges Praktikum in einer Abteilung für Biostatistik absolviert, in der ich ein Projekt zur Variation der Patientenergebnisse auf Krankenhausebene für einen Notfall mit einer hohen Sterblichkeitsrate sowohl zwischen Krankenhäusern …
1
Welches ist die beste Methode für die Netzwerk-Metaanalyse?
Es gibt jetzt verschiedene Ansätze, um eine Netzwerk-Metaanalyse oder einen gemischten Behandlungsvergleich durchzuführen. Die am häufigsten verwendeten und zugänglichsten sind wahrscheinlich die folgenden: in einem Bayes'schen Rahmen : Design-by-Treatment-Interaktionsansatz in WinBUGS (z. B. Jackson et al. ); hierarchische armbasierte Bayes'sche Modellierung in WinBUGS (z. B. Zhao et al. ); hierarchische …
2
Sollte ich für jede Community separate Regressionen ausführen oder kann die Community einfach eine Kontrollvariable in einem aggregierten Modell sein?
Ich verwende ein OLS-Modell mit einer kontinuierlichen Asset-Index-Variablen als DV. Meine Daten werden aus drei ähnlichen Communities in enger geografischer Nähe zueinander zusammengefasst. Trotzdem hielt ich es für wichtig, die Community als Kontrollvariable zu verwenden. Wie sich herausstellt, ist die Community bei 1% signifikant (t-Score von -4,52). Community ist eine …
1
Weisen Sie Variablen in der Clusteranalyse Gewichte zu
Ich möchte den Variablen in meiner Clusteranalyse unterschiedliche Gewichte zuweisen, aber mein Programm (Stata) scheint keine Option dafür zu haben, daher muss ich dies manuell tun. Stellen Sie sich 4 Variablen A, B, C, D vor. Die Gewichte für diese Variablen sollten sein w(A)=50% w(B)=25% w(C)=10% w(D)=15% Ich frage mich, …
11 clustering  stata 
2
Sollte ich auf Clusterebene oder auf Einzelebene booten?
Ich habe ein Überlebensmodell mit Patienten, die in Krankenhäusern verschachtelt sind, das einen Zufallseffekt für die Krankenhäuser beinhaltet. Der zufällige Effekt ist gammaverteilt, und ich versuche, die „Relevanz“ dieses Begriffs auf einer leicht verständlichen Skala darzustellen. Ich habe die folgenden Referenzen gefunden, die das Median Hazard Ratio verwenden (ein bisschen …
1
Wie baue ich einen innovativen Ausreißer bei Beobachtung 48 in mein ARIMA-Modell ein?
Ich arbeite an einem Datensatz. Nachdem ich einige Modellidentifikationstechniken angewendet hatte, kam ich mit einem ARIMA (0,2,1) -Modell heraus. Ich habe die detectIOFunktion im Paket TSAin R verwendet, um bei der 48. Beobachtung meines ursprünglichen Datensatzes einen innovativen Ausreißer (IO) zu erkennen . Wie kann ich diesen Ausreißer in mein …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 
1
Warum haben Anova () und drop1 () unterschiedliche Antworten für GLMMs geliefert?
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 …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.