AVIS: Le groupe de consultation IDRE Statistical migrera le site Web vers le WordPress CMS en février pour faciliter la maintenance et la création de nouveaux contenus. Certaines de nos anciennes pages seront supprimées ou archivées de sorte qu'elles ne seront plus conservées. Nous essaierons de maintenir les redirections afin que les anciennes URL continuent à fonctionner de la meilleure façon possible. Stata FAQ Comment interpréter les coefficients de régression quantile La réponse courte est que vous interprétez les coefficients de régression quantile comme vous faites les coefficients de régression ordinaires. La longue réponse est que vous interprétez les coefficients de régression quantile presque comme les coefficients de régression ordinaires. Nous pouvons illustrer ceci avec quelques exemples en utilisant l'ensemble de données hsb2. Nous commencerons par utiliser des modèles de régression quantifiée médiane et .75 sans prédicteurs. Dans la régression médiane, la constante est la médiane de l'échantillon tandis que dans la régression du quantile de 0,75, la constante est le 75e percentile de l'échantillon. Ensuite, bien ajoutez le prédicteur binaire femelle au modèle. A partir de ce point, Ill décrire ce qui se passe dans le modèle de régression médiane. L'interprétation de la régression quantile de 0,75 est fondamentalement la même sauf que vous substituez le terme 75e percentile au terme médian. Avec le prédicteur binaire, la constante est médiane pour le groupe codé zéro (mâles) et le coefficient est la différence de médianes entre les mâles et les femelles (voir le tabstat ci-dessus). En regardant les résultats tabulés prédits nous voyons que nous obtenons deux valeurs, la médiane conditionnelle pour les hommes (52) et la médiane conditionnelle pour la femme (57). Maintenant, laissez-moi vous montrer quelque chose qui est vraiment bien sur la régression quantile. Je remplacerai la valeur la plus élevée d'écriture (67) par la valeur de 670 et réexécuterai ces analyses. Notez que ni les coefficients ni les erreurs-types n'ont changé. C'est parce que changer ce score extrême ne change pas la médiane ou le 75e percentile. Les seules modifications qui affectent les résultats sont lorsqu'une valeur traverse une frontière de quantile. Par exemple, le changement d'une valeur de 58 à 580 n'effectuerait pas la médiane, mais le 75e percentile. Pour le dernier exemple, nous allons recharger les données et utiliser un prédicteur continu dans le modèle. Avec le prédicteur continu socst, la constante est la valeur prédite lorsque socst est nul. Le coefficient de régression quantile nous indique que pour chaque changement d'unité dans socst que la valeur prédite d'écriture augmentera de 0,6333333. Nous pouvons montrer cela en énumérant le prédicteur avec les valeurs prédites associées pour deux valeurs adjacentes. Notez que pour le changement d'unité de 41 à 42 dans socst la valeur prédite augmente de 0,633333. Le contenu de ce site Web ne doit pas être interprété comme un endossement d'un site Web, d'un livre ou d'un produit logiciel particulier par l'Université de Californie. Stata: Analyse de données et logiciel statistique Quantile regression Y compris la médiane, la minimisation des sommes d'écarts absolus Il ya Maintenant trois façons d'obtenir le VCE: la méthode standard Koenker et Bassett appropriée pour iid Erreurs un estimateur sandwich Huber qui peut être utilisé même si les erreurs ne sont pas i. i.d. Le bootstrap. Pour les deux premières méthodes VCE ci-dessus, il existe de nombreux choix de méthodes de bande passante et de noyaux à sélectionner. Stata s'adapte aux modèles de régression de quantile (y compris la médiane), également connus sous le nom de modèles à valeur minimale absolue (LAV), modèles à écart absolu minimal (MAD) et modèles de norme L1. La régression médiane estime la médiane de la variable dépendante, conditionnée par les valeurs de la variable indépendante. Ceci est similaire à la régression par moindres carrés, qui permet d'estimer la moyenne de la variable dépendante. Dit différemment, la régression médiane trouve le plan de régression qui minimise la somme des résidus absolus plutôt que la somme des résidus carrés. Par défaut, qreg effectue la régression médiane des estimations ci-dessus en minimisant les sommes des résidus absolus. Par comparaison, les résultats de la régression des moindres carrés sont qreg peut également estimer le plan de régression pour les quantiles autres que le 0,5 (médiane). Par exemple, le modèle suivant décrit le 25e percentile (.25 quantile) de prix. Nous effectuons ici une régression médiane, mais nous demandons des erreurs standard robustes. Stata peut fournir des erreurs standard bootstrap, en utilisant la commande bsqreg Les estimations de coefficient sont les mêmes que celles du premier exemple. Les erreurs-types et, par conséquent, les statistiques t, les niveaux de signification et les intervalles de confiance diffèrent. Stata peut également effectuer une régression quantile simultanée. Avec la régression quantile simultanée, on peut estimer simultanément plusieurs régressions de quantile: On peut vérifier si l'effet du poids est le même aux 25e et 75e percentiles: On peut obtenir un intervalle de confiance pour la différence d'effet de poids aux 25e et 75e percentiles: Stata effectue également une régression interquantile, qui se concentre sur une comparaison quantile: Références Gould, W. 1992. sg11.1: Régression quantile avec des erreurs standard bootstrap. Bulletin Technique Stata 9. 19ndash21. Réimprimé dans le bulletin technique de Stata Reprints. Vol. 2, pp. 137ndash150. Gould, W. et W. H. Rogers. 1994. Régression quantile comme alternative à la régression robuste. Actes de la Section de l'informatique statistique. Alexandria, VA: Association américaine de statistique. Hao, Lingxin et Daniel Q. Naiman. 2007. Régression quantile. Rogers, W. H. 1992. sg11: Erreurs-types de régression de quantile. Bulletin technique de Stata 9. 16ndash19. Réimprimé dans le bulletin technique de Stata Reprints. Vol. 2, pp. 133ndash137. ------. 1993. sg11.2: Calcul des erreurs-types de régression quantile. Bulletin Technique Stata 13. 18ndash19. Réimprimé dans le Stata Technical Bulletin. Vol. 3, pp. 77ndash78.
No comments:
Post a Comment