Troncamento A Sinistra Nel Forex Stata

st: RE: sinistra-troncamento di entrata in analisi di sopravvivenza Io parto dal presupposto che le covariate nei 2 modelli sono tutti i tempi indipendenti. In generale, i 2 modelli non sono equivalenti. Tuttavia, è del tutto possibile che essi possano dare gli stessi stime dei parametri, in almeno alcuni specifici insiemi di dati. Sopravvivenza analisi (come suggerisce il nome) si basano su eventi in cui si osserva un soggetto a sopravvivere un altro, vale a dire un soggetto a rischio in un particolare giorno sopravvive fino alla fine di quel giorno e un altro soggetto a rischio lo stesso giorno è morto dal fine di quel giorno. I due modelli sono diversi in cosa si intende per lo stesso giorno per i due soggetti. Nel primo modello, mettiamo a confronto il destino del soggetto A il giorno X della vita del soggetto A con il destino del Soggetto B il giorno X della vita del Soggetto B, per tutte le coppie di soggetti A e B che erano entrambi sotto osservazione nello studio il giorno X delle rispettive vite. Nel secondo modello, mettiamo a confronto il destino del soggetto A il giorno Y del soggetto come tempo di studio (misurato dal soggetto come l'ingresso nello studio), con il destino del Soggetto B il giorno Y del Soggetto tempo di studio B (misurato da ingresso Soggetto B nello studio), per tutte le coppie di soggetti a e B che sono stati entrambi sotto osservazione il giorno Y delle rispettive finestre temporali studio. In uno studio specifico, potrebbe essere il caso che, per ogni soggetto Un morto il giorno X di hisher vita e giorno Y di tempo di studio hisher, l'insieme di soggetti B che sono sopravvissuti attraverso i giorni X delle loro rispettive vite nello studio potrebbe essere lo stesso gruppo come l'insieme dei soggetti B che sono sopravvissuti attraverso i giorni Y dei rispettivi tempi di studio nello studio. Questo potrebbe essere particolarmente il caso se il numero dei soggetti è di piccole morti eo nello studio sono scarsi. Per uno studio così specifico, i due regressioni Cox daranno le stesse stime dei parametri. Tuttavia, questo non sarà il caso per tutti gli studi. Ad esempio, in alcuni studi, ci saranno coppie di soggetti A e B, in modo che il soggetto A muore nello studio a 100 anni dopo essere entrato nello studio a 99 anni di età, mentre Oggetto B muore nello studio a 40 anni dopo essere entrato nello studio a 30 anni di età. In questo caso, il primo modello assume che né paziente è stato osservato per sopravvivere all'altro, mentre il secondo modello assume che il Soggetto B è sopravvissuto Oggetto A, pur Oggetto B morto giovane. Spero che aiuti. Roger Newson docente di Statistica Medica Indirizzo postale: respiratoria Epidemiologia e Gruppo sanità pubblica National Heart and Lung Institute dell'Imperial College di Londra St Marys Campus Norfolk Place Londra W2 1PG INDIRIZZO: respiratoria Epidemiologia e National Heart Group sanità pubblica e la Lung Institute dell'Imperial College di Londra 47 Praed Street Paddington Londra W1 1NR TELEFONO: (44) 020 7594 0939 Fax: (44) 020 7594 0942 E-MAIL: r. newsonimperial. ac. uk SITO: le opinioni imperial. ac. uknhlir. newson espresse sono quelle dell'autore e non dell'istituzione. ----- Messaggio originale ----- Da: owner-statalisthsphsun2.harvard. edu mailto: owner-statalisthsphsun2.harvard. edu per conto di Sue Chinn Inviato: Mar 22, 2006 00:47 A: statalisthsphsun2.harvard. edu Oggetto: st: sinistra-troncamento di entrata in lettori Caro statalista analisi di sopravvivenza, Raccolta delle analisi di sopravvivenza che utilizzano l'età come la scala di tempo piuttosto che il tempo-on-studio regolare spesso per l'ingresso in ritardo. In Stata questo si ottiene: età stset, fallire (morto) entrare (ageatentry) (vedi recente e-mail da Alba Teele, o rispondere a st: StrEG da rgutierrezstata il 19 settembre 2002.) Tuttavia, un modello equipaggiato con quanto sopra stset dà esattamente la stessa risposta come uno con stset timeonstudy, fallire (morto) fornito timeonstudyage-ageatentry (come farebbe normalmente, ma potrebbe non esattamente a seconda di come sono stati calcolati variabili) ed i modelli sono esattamente gli stessi. Nel secondo modello è usuale regolare o stratificazione su età, mentre nella prima isnt come età è presa in considerazione, presumibilmente, quindi ricercatori non hanno realizzato l'equivalenza. Così, mi sto perdendo qualcosa, o sono sostenitori del primo modello illudendo troncamento a sinistra può essere ignorato con l'età, come la tempistica Sue Chinn docente di Statistica Medica Divisione di asma, allergie e polmonari Biologia Kings College di Londra 5th Floor Capital House 42 Weston Street London SE1 3QD tel no. 020 7848 6607 fax no. 020 7848 6605 Per le ricerche e aiuto provare: statasupportfaqsresfindit. html statasupportstatalistfaq ats. ucla. edustatstata per le ricerche e contribuire a provare: statasupportfaqsresfindit. html statasupportstatalistfaq ats. ucla. edustatstataNOTICE: Il gruppo di consulenza Idre statistica sarà la migrazione del sito web per il CMS WordPress nel mese di febbraio per facilitare la manutenzione e la creazione di nuovi contenuti. Alcune delle nostre pagine più vecchie verranno rimossi o archiviati in modo tale che essi non saranno più mantenuti. Cercheremo di mantenere i reindirizzamenti in modo che i vecchi URL continueranno a lavorare nel miglior modo possibile. Benvenuti al Istituto per la ricerca e l'istruzione digitale Aiuto Consulting Group Stat, dando un regalo Esempi Stata analisi dei dati informazioni troncato Regressione Versione: Codice per questa pagina è stato testato in Stata 12. troncato la regressione viene utilizzato per modellare le variabili dipendenti per i quali alcuni dei osservazioni non sono inclusi nell'analisi causa del valore della variabile dipendente. Si prega di notare: Lo scopo di questa pagina è quello di mostrare come utilizzare i vari comandi di analisi dei dati. Esso non copre tutti gli aspetti del processo di ricerca, che sono tenuti ai ricercatori di fare. In particolare, non copre la pulizia dei dati e il controllo, la verifica di ipotesi, diagnostica modello o potenziali analisi di follow-up. Esempi di regressione troncata Esempio 1. Uno studio di studenti in un cancello speciale (istruzione dotati e di talento) il programma vuole modellare realizzazione in funzione delle conoscenze linguistiche e il tipo di programma in cui lo studente è attualmente iscritto. Una delle principali preoccupazioni è che gli studenti sono tenuti ad avere un punteggio minimo raggiungimento di 40 per accedere al programma speciale. Così, il campione viene troncato a un punteggio raggiungimento di 40. Esempio 2. Un ricercatore ha dati per un campione di americani il cui reddito è al di sopra della soglia di povertà. Quindi, la parte inferiore della distribuzione del reddito viene troncato. Se il ricercatore ha avuto un campione di americani il cui reddito era pari o inferiore alla soglia di povertà, quindi la parte superiore della distribuzione del reddito sarebbe stato troncato. In altre parole, troncamento è il risultato di campionamento solo parte della distribuzione della variabile risultato. Descrizione dei dati Consente perseguire Esempio 1 dall'alto. Abbiamo un file di dati ipotetici, truncreg. dta. con 178 osservazioni. La variabile di esito è chiamato achiv. e la variabile punteggio del test di lingua si chiama langscore. Il prog variabile è una variabile predittore categoriale con tre livelli che indicano il tipo di programma in cui sono stati arruolati gli studenti. Vediamo i dati. E 'sempre una buona idea per iniziare con le statistiche descrittive. Metodi di analisi si potrebbe considerare Ecco un elenco di alcuni metodi di analisi si può avere incontrato. Alcuni dei metodi elencati sono abbastanza ragionevole, mentre altri hanno uno caduto in disgrazia o hanno limitazioni. OLS la regressione - Si potrebbe analizzare questi dati utilizzando OLS regressione. OLS regressione non regolare le stime dei coefficienti per tener conto dell'effetto di troncare il campione a 40, e dei coefficienti può essere gravemente distorta. Questo può essere concettualizzata come un errore di specificazione del modello (Heckman, 1979). Troncato la regressione - troncato la regressione affronta la distorsione introdotta quando si utilizza OLS la regressione con dati troncati. Si noti che con la regressione troncata, la varianza della variabile risposta è ridotto rispetto alla distribuzione che non viene troncato. Inoltre, se viene troncata la parte inferiore della distribuzione, allora la media della variabile troncata sarà maggiore della media dalla variabile untruncated se il troncamento è dall'alto, la media della variabile troncata sarà inferiore variabile untruncated. Questi tipi di modelli possono essere concepiti come modelli di selezione Heckman, che sono utilizzati per correggere errori di selezione campionamento. Censored regressione - A volte i concetti di troncamento e censura sono confusi. Con i dati censurati abbiamo tutte le osservazioni, ma non sappiamo i veri valori di alcuni di loro. Con troncamento, alcune delle osservazioni non sono inclusi nell'analisi causa del valore della variabile risultato. Sarebbe inopportuno per analizzare i dati in nostro esempio utilizzando un modello di regressione censurata. regressione troncata seguito utilizzare il comando truncreg di stimare un modello di regressione troncata. L'i. prima prog indica che si tratta di una variabile fattore (cioè variabile categorica), e che dovrebbe essere inclusa nel modello come una serie di variabili indicatore. L'opzione ll () nel comando truncreg indica il valore al quale il troncamento sinistra avvenire. C'è anche una ul () per indicare il valore della troncatura a destra, che non era necessario in questo esempio. L'output inizia con una nota che indica che lo zero osservazioni sono state troncate. Questo perché il nostro campione non conteneva dati con valori inferiori a 40 per la realizzazione. La nota è seguito dal log iterazione, che fornisce i valori delle verosimiglianze log iniziano con un modello che ha predittori. L'ultimo valore nel registro è il valore finale della probabilità di registro e si ripete qui di seguito. Le informazioni di intestazione è previsto il prossimo. Sul lato sinistro sono i limiti inferiore e superiore del troncamento e una ripetizione della probabilità registro finale. Sulla destra è dato il numero di osservazioni utilizzata (178), insieme al Wald chi-quadrato con tre gradi di libertà. Il Wald chi-quadrato è quello che si otterrebbe se si è utilizzato il comando test, dopo aver stimato il modello, per verificare che tutti i coefficienti sono pari a zero. Infine, vi è un valore p per il test del chi-quadro. Nel complesso, questo modello è statisticamente significativa. Nella tabella dei coefficienti, abbiamo i coefficienti di regressione troncati, l'errore standard dei coefficienti, gli z-test Wald (coefficientse), e il p-value associato a ciascun z-test. Per impostazione predefinita, abbiamo anche un intervallo di confidenza 95 per i coefficienti. Con l'opzione di livello () è possibile richiedere un diverso intervallo di confidenza. La Sigma statistica accessoria è equivalente al errore standard della stima di regressione OLS. Il valore di 8.76 può essere paragonata alla deviazione standard di realizzazione che era 8,96. Questo dimostra una modesta riduzione. L'output contiene anche una stima dell'errore standard di sigma, nonché un intervallo di confidenza per 95 questo valore. Il modello di regressione troncata prevedere raggiungimento di punteggi di lingua e tipo di programma è risultata statisticamente significativa (chi-quadrato 54.76, df 3, PIF si vorrebbe confrontare modelli di regressione troncati, è possibile eseguire il comando estat ic per ottenere la probabilità di registro, AIC e BIC valori. l'output truncreg comprende né un R 2, né una pseudo-R 2. è possibile calcolare una stima approssimativa del grado di associazione correlando achiv con il valore previsto e la quadratura del risultato. il valore calcolato di .31 è stima approssimativa di R 2 si troverebbero in una regressione OLS. la correlazione tra i valori quadrato attitudinali accademici osservati e previsti è di circa 0,31, indicando che questi predittori hanno rappresentato oltre il 30 della variabilità nei risultati variable. Things di prendere in considerazione il comando Statas truncreg è stato progettato a lavorare quando il troncamento è sulla variabile risposta nel modello. e 'possibile avere campioni che vengono troncati basato su uno o più predittori. ad esempio, la modellazione università GPA come funzione di scuola GPA (HSGPA) e punteggi SAT comporta un campione che viene troncato basata sui predittori, vale a dire solo gli studenti con punteggi più alti HSGPA e SAT sono ammessi nel collegio. È necessario essere attenti a ciò che valore viene utilizzato come valore troncamento, perché riguarda la stima dei coefficienti e gli errori standard. Nell'esempio precedente, ll se avessimo usato (39) anziché ll (40). i risultati sarebbero stati leggermente diverso. Non importa che non ci fossero valori del 40 nel nostro campione. Riferimenti Greene, W. H. (2003). Analisi econometrica, quinta edizione. Upper Saddle River, NJ: Prentice Hall. Heckman, J. J. (1979). bias di selezione del campione come un errore specifica. Econometrica. Volume 47, Numero 1, pagine 153 - 161. lunghi, J. S. (1997). I modelli di regressione per le variabili dipendenti categoriali e limitato. Thousand Oaks, CA: Sage Publications. Il contenuto di questo sito web non deve essere interpretata come un'approvazione di un particolare sito web, il libro, o di un prodotto software dalla University of California.