HINWEIS: Die IDRE Statistical Consulting Group wird im Februar die Website auf das WordPress CMS migrieren, um die Wartung und die Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, Redirects beizubehalten, damit die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group, indem Sie ein Geschenk geben Stata Class Notes Zählen von n bis N Einführung Stata hat zwei eingebaute Variablen namens n und N. N ist die Stata-Notation für die aktuelle Beobachtungsnummer. N in der ersten Beobachtung 1, 2 im zweiten, 3 im dritten und so weiter. N ist die Stata-Notation für die Gesamtzahl der Beobachtungen. Wir können sehen, wie n und N arbeiten. Wie Sie sehen können, enthält die Variable id die Beobachtungsnummer, die von 1 bis 7 läuft, und nt die Gesamtzahl der Beobachtungen, die 7 ist. Zählen mit mit n und N in Verbindung mit dem Befehl kann einige sehr nützliche Ergebnisse liefern. Um den by-Befehl zu verwenden, müssen wir natürlich unsere Daten auf der by-Variablen sortieren. Nun ist n1 die Beobachtungsnummer innerhalb jeder Gruppe und n2 die Gesamtzahl der Beobachtungen für jede Gruppe. Um die niedrigste Punktzahl für jede Gruppe aufzulisten, verwenden Sie Folgendes: Um die höchste Punktzahl für jede Gruppe zu verwenden, verwenden Sie Folgendes: Eine weitere Verwendung von n Verwenden Sie n, um herauszufinden, ob es doppelte ID-Nummern in den folgenden Daten gibt: Die Beobachtungen 6 und 7 haben die gleichen Identifikationsnummern und unterschiedliche Werte. Duplikate finden Mit Hilfe von N können Sie doppelte Beobachtungen finden. In diesem Beispiel sortieren wir die Beobachtungen nach allen Variablen. Dann verwenden wir alle Variablen in der by-Anweisung und set set n gleich der Gesamtzahl der identischen Beobachtungen. Schließlich listen wir die Beobachtungen auf, für die N größer als 1 ist, wodurch die doppelten Beobachtungen identifiziert werden. Wenn Sie eine Menge von Variablen in der Datenmenge haben, könnte es lange dauern, um sie alle zweimal eingeben. Wir können die Wildcard verwenden, um anzuzeigen, dass wir alle Variablen verwenden möchten. Weiterhin können wir in den letzten Versionen von Stata sortieren und in einer einzigen Aussage zusammenfassen. Unten ist eine vereinfachte Version des Codes, die genau die gleichen Ergebnisse wie oben ergeben wird. Der Inhalt dieser Website sollte nicht als eine Anerkennung für ein bestimmtes Website-, Buch - oder Softwareprodukt von der University of California interpretiert werden. Im Rahmen der linearen Regression in den Sozialwissenschaften, Gelman und Hill, schreiben wir: (Dh die logarithmische Basis e), da, wie oben beschrieben, Koeffizienten auf der natürlichen log-Skala direkt als angenäherte proportionale Differenzen interpretierbar sind: mit einem Koeffizienten von 0,06 entspricht eine Differenz von 1 in x einer ungefähren Differenz von y, und so weiter. 1 Andrew Gelman und Jennifer Hill (2007). Datenanalyse mit Regression und MultilevelHierarchical Models. Cambridge University Press: Cambridge New York, S. 60-61. Es gibt keinen sehr starken Grund, natürliche Logarithmen vorzuziehen. Nehmen wir an, wir schätzen das Modell: Die Relation zwischen natürlichen (ln) und logarithmischen Logarithmen der Basis 10 ist ln X 2.303 log X (Quelle). Daher ist das Modell äquivalent zu: oder, indem man eine 2.303 a: Jede Form des Modells könnte mit entsprechenden Ergebnissen geschätzt werden. Ein leichter Vorteil der natürlichen Logarithmen ist, dass ihr erstes Differential einfacher ist: d (lnX) dX 1X, während d (log X) dX 1 ((ln 10) X) (Quelle) ist. Für eine Quelle in einem ökonometrischen Lehrbuch, die besagt, dass jede Form von Logarithmen verwendet werden könnte, siehe Gujarati, Essentials of Econometrics, 3. Auflage 2006, S. 288. Ich denke, dass der natürliche Logarithmus verwendet wird, weil die Exponential häufig verwendet wird, wenn Zinswachstum Berechnung. Wenn Sie in einer kontinuierlichen Zeit sind und dass Sie die Interessen zusammensetzen, werden Sie am Ende einen künftigen Wert einer bestimmten Summe haben, die F (t) N. e entspricht (wobei r der Zinssatz und N der Nominalbetrag der Summe ist). Da Sie am Ende mit exponentiellen in der Kalkül, ist der beste Weg, um loszuwerden, es ist mit dem natürlichen Logarithmus und wenn Sie die inverse Operation zu tun, wird die natürliche Protokoll geben Ihnen die Zeit benötigt, um ein bestimmtes Wachstum zu erreichen. Auch die gute Sache über Logarithmen (sei es natürlich oder nicht) ist die Tatsache, dass Sie Multiplikationen in Ergänzungen umwandeln können. Wie für mathematische Erklärungen, warum wir am Ende mit einem exponentiellen wenn Compoundierung Interesse, finden Sie es hier: en. wikipedia. orgwikiContinuouslycompoundedinterestPeriodiccompounding Grundsätzlich müssen Sie die Grenze, um eine unendliche Anzahl von Zinszahlung, die am Ende wird die Grenze haben Definition von exponential Auch gedacht, kontinuierliche Zeit ist nicht weit verbreitet im realen Leben (Sie zahlen Ihre Hypotheken mit monatlichen Zahlungen, nicht jede Sekunde ..), wird diese Art der Berechnung oft von quantitativen Analysten verwendet. Beantwortet Mar 29 12 am 7:09
No comments:
Post a Comment