ماذا يعني r تربيع في الفوركس ستاتا

إشعار: ستقوم مجموعة الاستشارات الإحصائية إدر بترحيل الموقع إلى نظام إدارة المحتوى في وردبريس في فبراير لتسهيل الصيانة وإنشاء محتوى جديد. ستتم إزالة بعض صفحاتنا القديمة أو وضعها في الأرشيف بحيث لا يتم الاحتفاظ بها بعد الآن. سنحاول الحفاظ على عمليات إعادة التوجيه بحيث تستمر عناوين ورل القديمة في العمل بأفضل ما في وسعنا. مرحبا بكم في معهد للبحوث الرقمية والتعليم مساعدة المجموعة الاستشارية للاستشارات من خلال إعطاء هدية ستاتا المشروح تحليل الانحدار الناتج هذه الصفحة يظهر مثال تحليل الانحدار مع الحواشي السفلية شرح الإخراج. وقد جمعت هذه البيانات عن 200 طالب في المدارس الثانوية، وكانت درجات في مختلف الاختبارات، بما في ذلك العلوم والرياضيات والقراءة والدراسات الاجتماعية (سوست). المتغير الإناث هو متغير ثنائي التفرع المشفرة 1 إذا كان الطالب الإناث و 0 إذا كان الذكور. جدول أنوفا أ. المصدر - وبالنظر إلى توزيع التباين في متغير النتائج، وهذه هي الفئات سنقوم بدراسة: نموذج، المتبقية، والمجموع. يتم تقسيم التباين الكلي إلى التباين الذي يمكن تفسيره من قبل المتغيرات المستقلة (النموذج) والتباين الذي لم يتم تفسيره من قبل المتغيرات المستقلة (المتبقية، وتسمى أحيانا خطأ). ب. سس - هذه هي مجموع المربعات المرتبطة المصادر الثلاثة للتباين، المجموع، نموذج والمتبقي. ج. دف - هذه هي درجات الحرية المرتبطة بمصادر التباين. التباين الكلي له درجة N-1 من الحرية. درجات نموذج الحرية يتوافق مع عدد المعاملات المقدرة ناقص 1. بما في ذلك اعتراض، وهناك 5 معاملات، وبالتالي فإن نموذج 5-14 درجة من الحرية. درجات الحرارة المتبقية هي مجموع دف ناقص نموذج دف، 199 - 4 195. د. مس - هذه هي الساحات يعني، مجموع المربعات مقسوما على دف الخاصة بهم. عموما نموذج صالح e. عدد الضوابط - هذا هو عدد الملاحظات المستخدمة في تحليل الانحدار. F. F (4، 195) - هذا هو F-ستاتيستيك هو متوسط ​​مربع النموذج (2385.93019) مقسوما على متوسط ​​مربع المتبقية (51.0963039)، مما أسفر عن F46.69. الأرقام بين قوسين هي نموذج ودرجات المتبقية من الحرية هي من الجدول أنوفا أعلاه. ز. بروب غ F - هذه هي القيمة p المرتبطة بالإحصاءات F أعلاه. يتم استخدامه في اختبار فرضية نول أن جميع معاملات النموذج هي 0. h. R-سكارد - R-سكارد هي نسبة التباين في المتغير التابع (العلوم) والتي يمكن تفسيرها من خلال المتغيرات المستقلة (الرياضيات، الإناث. سوست والقراءة). وهذا مقياس شامل لقوة الارتباط ولا يعكس المدى الذي يرتبط به أي متغير مستقل معين مع المتغير التابع. أنا. أدج R-سكارد - هذا هو تعديل R-سكارد الذي يعاقب على إضافة تنبؤات غريبة للنموذج. تم حساب R-سكارد المعدل باستخدام الصيغة 1 - (1 - رزق) ((N - 1) (N - k - 1)) حيث k هو عدد المتنبئات j. مس الجذر - مس الجذر هو الانحراف المعياري (أو خطأ) قيم المعلمة (ك) العلوم - يوضح هذا العمود المتغير التابع في أعلى (علم) مع متغيرات التنبأ تحته (الرياضيات، الإناث، سوكست) (القراءة والقيم) يمثل المتغير الأخير (الثابت) ثابت أو اعتراض. سوف - هذه هي قيم معادلة الانحدار للتنبؤ بالمتغير التابع من المتغير المستقل. تم تقديم معادلة الانحدار بعدة طرق مختلفة ، على سبيل المثال: يبريديكتد b0 b1x1 b2x2 b3x3 b4x4 يوفر عمود التقديرات قيم b0 و b1 و b2 و b3 و b4 لهذه المعادلة الرياضيات - المعامل هو 3893102، لذلك لكل وحدة زيادة في الرياضيات a .3893102 ومن المتوقع زيادة وحدة في العلم، وعقد جميع المتغيرات الأخرى ثابتة الإناث - ل كل وحدة زيادة في الإناث. فإننا نتوقع انخفاض وحدة 2.009765 في درجة العلوم، وعقد جميع المتغيرات الأخرى ثابتة. منذ الإناث هو ترميز 01 (0male، 1 أنثى) التفسير هو أكثر بساطة: بالنسبة للإناث، فإن درجة العلم المتوقع أن يكون أقل من 2 نقطة من الذكور. سوست - معامل سوست هو .0498443. لذلك لكل وحدة زيادة في سوست. ونحن نتوقع زيادة ما يقرب من 0.05 نقطة في درجة العلوم، وعقد جميع المتغيرات الأخرى ثابتة. قراءة - معامل القراءة هو 0.3352998. لذلك لكل وحدة زيادة في القراءة. ونحن نتوقع زيادة .34 نقطة في درجة العلم. م. الأمراض المنقولة جنسيا. يخطئ. - هذه هي الأخطاء القياسية المرتبطة بالمعاملات. ن. t - هذه هي الإحصاءات t المستخدمة في اختبار ما إذا كان معامل معين يختلف اختلافا كبيرا عن الصفر. س. بت - يعرض هذا العمود قيم p ثنائية الذيل المستخدمة في اختبار الفرضية الصفرية أن معامل (معامل) هو 0. باستخدام ألفا 0.05: معامل الرياضيات يختلف كثيرا عن 0 لأن قيمته p 0.000، والتي هي أصغر من 0.05. معامل الإناث (-2.01) ليس ذو دلالة إحصائية عند مستوى 0.05 لأن قيمة p أكبر من 0.05. معامل سوست (.0498443) لا يختلف إحصائيا عن 0 لأن قيمته p أكبر بالتأكيد من 0.05. معامل القراءة (0.3352998) ذو دلالة إحصائية لأن قيمته p 0.000 أقل من 0.05. ثابت (كونس) يختلف اختلافا كبيرا عن 0 عند مستوى 0.05 ألفا. ص. 95 كونف. الفاصل الزمني - هذه هي فترات الثقة 95 للمعاملات. وترتبط فترات الثقة بقيم p بحيث لا يكون المعامل ذا دلالة إحصائية عند ألفا .05 إذا كان فاصل الثقة 95 يشتمل على صفر. يمكن أن تساعدك فترات الثقة هذه على وضع التقدير من المعامل إلى منظور من خلال رؤية مقدار القيمة التي قد تختلف. محتوى هذا الموقع لا ينبغي أن يفسر على أنه تأييد لأي موقع ويب معين أو كتاب أو منتج برامج من قبل جامعة كاليفورنيا. ملاحظة: سوف تقوم مجموعة الاستشارات الإحصائية إدر بترحيل الموقع إلى نظام إدارة محتوى وردبريس في فبراير لتسهيل صيانة وإنشاء محتوى جديد. ستتم إزالة بعض صفحاتنا القديمة أو وضعها في الأرشيف بحيث لا يتم الاحتفاظ بها بعد الآن. سنحاول الحفاظ على عمليات إعادة التوجيه بحيث تستمر عناوين ورل القديمة في العمل بأفضل ما في وسعنا. مرحبا بكم في معهد للبحوث الرقمية والتعليم مساعدة مجموعة ستات الاستشارية من خلال إعطاء هدية ستاتا التعليمات كيف يمكنني الوصول إلى المعلومات المخزنة بعد تشغيل أمر في ستاتا (النتائج التي تم إرجاعها) بالإضافة إلى الإخراج في المبين في إطار النتائج، العديد من الأوامر ستاتاس تخزين المعلومات حول الأمر ونتائجها في الذاكرة. وهذا يسمح للمستخدم، وكذلك أوامر ستاتا أخرى، للاستفادة بسهولة من هذه المعلومات. ستاتا يدعو هذه النتائج التي تم إرجاعها. يمكن أن تكون النتائج التي تم إرجاعها مفيدة جدا عندما تريد استخدام المعلومات التي ينتجها أمر ستاتا للقيام بشيء آخر في ستاتا. على سبيل المثال، إذا كنت تريد أن تعني مركز متغير، يمكنك استخدام تلخيص لحساب المتوسط، ثم استخدام قيمة المتوسط ​​المحسوب من خلال تلخيص مركز المتغير. يؤدي استخدام النتائج التي تم إرجاعها إلى إزالة الحاجة إلى إعادة كتابة أو قص ولصق قيمة المتوسط. مثال آخر لكيفية عودة النتائج يمكن أن تكون مفيدة إذا كنت ترغب في توليد القيم المتوقعة للمتغير النتيجة عندما تكون متغيرات التنبؤ في مجموعة محددة من القيم، مرة أخرى هنا، هل يمكن إعادة كتابة المعاملات أو استخدام قص ولصق، ولكن النتائج التي تم إرجاعها جعل المهمة أسهل بكثير. أفضل طريقة للحصول على الشعور كيف النتائج عاد العمل هو القفز الحق في وبدء النظر في واستخدامها. تفتح الشفرة أدناه مثالا لمجموعة البيانات وتستخدم ملخص (مختصر) لإنشاء إحصاءات وصفية لقراءة المتغير. وهذا ينتج الناتج المتوقع، ولكن الأهم من ذلك لأغراضنا، ستاتا لديها الآن نتائج من تلخيص الأمر المخزنة في الذاكرة. ولكن كيف يمكنك أن تعرف ما هي المعلومات المخزنة يتم تضمين قائمة من المعلومات المحفوظة من قبل كل أمر في ملف المساعدة أندور دليل المطبوعة، لذلك يمكن أن ننظر هناك، ولكن يمكنني أيضا أن اكتب قائمة العودة. والتي سوف قائمة كافة النتائج التي تم إرجاعها في الذاكرة. في ما يلي قائمة بالنتائج التي تم إرجاعها، حيث يمكنك مشاهدة كل نتيجة من الاستمارة r (.) حيث تكون علامات الحذف (كوت. كوت) عبارة عن تسمية قصيرة. يمكن أن نرى ملف التعليمات لأمر تلخيص لمعرفة ما كل بند في القائمة، ولكن غالبا ما يكون من السهل معرفة ما هي القيمة التي تم تعيينها إلى أي نتيجة، على سبيل المثال، ص (يعني). وليس من المستغرب يحتوي على متوسط ​​للقراءة (يمكنك التحقق من هذا ضد الإخراج)، ولكن البعض الآخر ليست واضحة، على سبيل المثال ص (سومو). لذلك، قد تحتاج إلى استشارة الدليل إذا كنت تعتقد أنك قد ترغب في استخدامها. في معظم الأحيان سوف تكون عملية سهلة نسبيا لأنك لن تعرف ما هي النتيجة التي تريد الوصول إليها، وسوف تكون تبحث في قائمة لمعرفة ما يتم تخزينه تحت، بدلا من النظر في قائمة ومحاولة لمعرفة ما كل العنصر هو. كما قد تتخيل، أوامر مختلفة، وحتى نفس الأمر مع خيارات مختلفة، تخزين نتائج مختلفة. نلخص أدناه المتغير قراءة مرة أخرى، ولكن إضافة خيار التفاصيل. ثم نستخدم قائمة العودة للحصول على قائمة النتائج التي تم إرجاعها. تماما كما يضيف خيار التفاصيل معلومات إضافية إلى الإخراج، فإنه يؤدي أيضا إلى معلومات إضافية المخزنة في النتائج التي تم إرجاعها. وتشمل القائمة الجديدة جميع المعلومات التي تم إرجاعها بواسطة الأمر سوم أعلاه، بالإضافة إلى التفرطح المنحرف وعدد من النسب المئوية، بما في ذلك الربع الأول (r (p25)) والربع الثالث (r (p75)) والمتوسط ​​(r (p50) ). الآن لدينا بعض الشعور ما هي النتائج التي يتم إرجاعها من قبل تلخيص الأمر، يمكننا الاستفادة من النتائج التي تم إرجاعها. من خلال واحدة من الأمثلة المذكورة أعلاه، فإننا سوف يعني مركز المتغير قراءة. وبافتراض أن الأمر الأخير الذي شغلناه كان الأمر الموجز أعلاه، فإن الكود أدناه يستخدم يولد متغيرا جديدا، يحتوي على القيم المتوسطة المتمركزة للقراءة. لاحظ أنه بدلا من استخدام القيمة الفعلية لمتوسط ​​القراءة في هذا الأمر، استخدمنا اسم النتيجة التي تم إرجاعها (أي r (متوسط))، يعرف ستاتا عندما يرى r (يعني) أننا نعني في الواقع القيمة المخزنة في أن متغير النظام. في السطر التالي نلخص القالب المتغير الجديد. في حين أن متوسط ​​لا يساوي بالضبط الصفر، فمن ضمن خطأ التقريب من الصفر، لذلك نحن نعلم أننا قد يعني بشكل صحيح تركز متغير قراءة. وكما يوحي الرمز أعلاه، يمكننا استخدام النتائج التي تم إرجاعها إلى حد كبير بنفس الطريقة التي نستخدم بها الرقم الفعلي. وذلك لأن ستاتا يستخدم r (.) كعنصر نائب لقيمة حقيقية. لمثال آخر على ذلك، قل أننا نريد حساب التباين في القراءة من الانحراف المعياري (تجاهل حقيقة أن تلخيص ترجع التباين في r (فار)). يمكننا أن نفعل ذلك على الطاير باستخدام الأمر العرض كآلة حاسبة. السطر الثاني من التعليمات البرمجية أدناه يفعل ذلك. يمكننا حتى التحقق من النتيجة عن طريق خفض ولصق قيمة الانحراف المعياري عن الإخراج، والذي يتم في الأمر الثالث أدناه. النتائج هي في الأساس نفسه، الاختلاف الطفيف جدا هو خطأ التقريب لأن التقدير المخزن r (سد) يحتوي على مزيد من أرقام الدقة أكثر من قيمة الانحراف المعياري المعروض في الإخراج. أنواع النتائج التي تم إرجاعها، الفئة - r والفئة الإلكترونية الآن بعد أن عرفت قليلا عن النتائج التي تم إرجاعها وكيفية عملها، فأنت على استعداد لمزيد من المعلومات حولهم. النتائج التي تم إرجاعها تأتي في نوعين رئيسيين، من الدرجة R، والطبقة الإلكترونية (وهناك أيضا s - فئة و C-كلاس النتائج، ولكننا لن نناقشها هنا). والأوامر التي تؤدي التقدير، على سبيل المثال الانحدارات من جميع الأنواع، وتحليل العوامل، وأنوفا هي الأوامر الدرجة الإلكترونية. الأوامر الأخرى، على سبيل المثال تلخيص، وأوامر ربط وبعد تقدير، هي أوامر من الدرجة r. يعتبر التمييز بين الأوامر من الدرجة r و الفئة e أمرا مهما لأن ستاتا يخزن النتائج من الفئة e و الأوامر من الدرجة r في مختلف الاقتباسات. هذا له اثنان من التداعيات لك كمستخدم. أولا، تحتاج إلى معرفة ما إذا كانت النتائج المخزنة في r () أو e () (فضلا عن اسم النتيجة) من أجل الاستفادة منها. إذا لم تكن متأكدا من فئة الأمر الذي قمت بتشغيل هو في، يمكنك إما البحث عنه في ملف التعليمات، أو كوتلوكوت في مكان واحد (باستخدام الأمر المناسب ل قائمة النتائج)، إذا لم يتم تخزين النتائج هناك هم على الأرجح في الأخرى. وهناك ترجيح يحتمل أن يكون أكثر أهمية للفرق في كيفية إرجاع النتائج من الأوامر من الدرجة R والطبقة الإلكترونية هي أن يتم إرجاع النتائج المعادة في الذاكرة فقط حتى يتم تشغيل أمر آخر من نفس الفئة. وهذا هو، يتم استبدال النتائج التي تم إرجاعها من الأوامر السابقة بأوامر لاحقة من نفس الفئة. في المقابل، تشغيل أمر فئة أخرى لن يؤثر على النتائج التي تم إرجاعها. على سبيل المثال، إذا قمت بتشغيل الانحدار، ثم الانحدار الثاني، يتم استبدال نتائج الانحدار الأول (المخزنة في ه ()) تلك التي لالانحدار الثاني (المخزنة أيضا في e ()). ومع ذلك، إذا بدلا من الانحدار الثاني، ركضت أمر ما بعد تقدير، فإن النتائج من الانحدار ستبقى في ه () في حين أن النتائج من أمر آخر تقدير ستوضع في r (). في حين أن هناك فرق بين الاثنين، والاستخدام الفعلي للنتائج من الدرجة R وأوامر الدرجة الإلكترونية هي مشابهة جدا. بالنسبة للمبتدئين، الأوامر موازية، لإدراج نتائج فئة R المخزنة في الذاكرة الأمر هو قائمة الإرجاع. أن تفعل الشيء نفسه لنتائج الدرجة الإلكترونية قائمة إريتورن الأمر. وعلاوة على ذلك، باستثناء الاختلاف في اصطلاحات التسمية (r () مقابل e ())، يتم الوصول إلى النتائج بنفس الطريقة. يوضح المثال أدناه هذا، أولا نراجع الكتابة على الإناث والقراءة. ثم استخدم قائمة إريترن للنظر في النتائج التي تم إرجاعها. تتضمن قائمة النتائج التي تم إرجاعها للرجوع عدة أنواع من النتائج التي تم إرجاعها ضمن العناوين الرأسية، وحدات الماكرو، المصفوفات والوظائف. سنناقش أنواع النتائج التي تم إرجاعها أدناه، ولكن في الوقت الحالي سوف نعرض كيف يمكنك استخدام النتائج التي تم إرجاعها بنفس الطريقة التي استخدمنا بها النتائج التي تم إرجاعها من التلخيص. على سبيل المثال، طريقة واحدة لحساب تباين الأخطاء بعد الانحدار هي تقسيم المجموع المتبقي من المربعات حسب درجات الحرية الكلية (أي n-1). يتم تخزين المبلغ المتبقي من المربعات في e (رسس) ويتم تخزين n للتحليل في e (N). أدناه نستخدم الأمر العرض كآلة حاسبة، جنبا إلى جنب مع النتائج التي تم إرجاعها لحساب التباين من الأخطاء. كيف يتم إرجاع النتائج: سكالارس، السلاسل، المصفوفات والوظائف كما ذكر أعلاه، بالنسبة لكل من الأوامر من الدرجة R و الفئة E، هناك أنواع متعددة من النتائج التي تم إرجاعها، بما في ذلك النتائج، السلاسل، المصفوفات، والوظائف. في قوائم النتائج التي تم إرجاعها، يتم إدراج كل نوع تحت العنوان الخاص به. النتائج المدرجة تحت عنوان كوتسكالارسكوت هي مجرد أن، قيمة رقمية واحدة. ويناقش استخدامها أعلاه، لذلك نحن لن نقول بعد الآن عنهم في هذا القسم. النتائج التي تم إرجاعها ضمن كوتوماكروسكوت عموما سلاسل تعطي معلومات حول الأمر الذي تم تشغيله. على سبيل المثال، في النتائج التي تم إرجاعها للتراجع الموضح أعلاه، e (كمدلين) يحتوي على الأمر الذي أصدره المستخدم (بدون أي اختصار). وتستخدم هذه عادة في برمجة ستاتا. النتائج المدرجة تحت كوتماتريسسكوت هي، كما تتوقعون، المصفوفات. في حين أن قائمة النتائج التي تم إرجاعها من قبل قائمة العودة وقائمة إرتورن تظهر لك القيم التي اتخذتها معظم النتائج التي تم إرجاعها، وهذا ليس عمليا مع المصفوفات، بدلا من ذلك يتم سرد أبعاد المصفوفات. لرؤية محتويات المصفوفات يجب عليك عرضها باستخدام أوامر المصفوفة. نقوم بذلك أدناه مع مصفوفة المعاملات (e (b)) باستخدام قائمة مصفوفة الأوامر e (b). (لاحظ أن هناك طريقة أخرى للوصول إلى المعاملات وأخطاءها القياسية بعد تناسب نموذج، وهذا ما نوقش أدناه). إذا كنا نود إجراء عمليات مصفوفة على المصفوفات عاد، أو ترغب في الوصول إلى العناصر الفردية للمصفوفة، يمكننا نقل المصفوفة المخزنة كنتيجة عاد إلى مصفوفة ستاتا العادية. يتم ذلك في السطر الأخير من بناء الجملة أدناه. وأخيرا، فإن النتائج التي يتم إرجاعها تحت عنوان كوتفونكتيونسكوت تحتوي على وظائف يمكن استخدامها بطريقة مشابهة لوظائف ستاتا الأخرى. الدالة الأكثر شيوعا التي يتم إرجاعها بواسطة أوامر تقدير ستاتا هي على الأرجح e (سامبل). وتمثل هذه الدالة العينة المستخدمة في تقدير التحليل الأخير، وهذا مفيد لأن مجموعات البيانات كثيرا ما تحتوي على قيم مفقودة مما يؤدي إلى عدم استخدام جميع الحالات في مجموعة البيانات في تحليل معين. على افتراض أن آخر أمر تشغيل تقدير كان انحدار الكتابة على الإناث والقراءة المبينة أعلاه، السطر الأول من التعليمات البرمجية أدناه يستخدم ه (عينة) للعثور على متوسط ​​القراءة بين تلك الحالات المستخدمة في النموذج. السطر الثاني من التعليمات البرمجية يستخدم e (عينة) لإنشاء متغير جديد يسمى علم يساوي 1 للحالات التي استخدمت في التحليل، و صفر خلاف ذلك. (ملاحظة نظرا لأن مجموعة بيانات المثال لا تحتوي على بيانات مفقودة، يتم تضمين جميع الحالات في التحليل، والعلم ثابت على قدم المساواة.) المعاملات وأخطاءها القياسية كما نوقش أعلاه، بعد واحد يناسب نموذج والمعاملات ومعيارها يتم تخزين الأخطاء في e () في شكل مصفوفة. تسمح هذه المصفوفات للمستخدم بالوصول إلى المعاملات، ولكن ستاتا يمنحك طريقة أسهل للوصول إلى هذه المعلومات من خلال تخزينها في متغيرات النظام b و سي. للوصول إلى قيمة معامل الانحدار بعد الانحدار، كل واحد يحتاج إلى القيام به هو نوع بفارنام حيث فارنام هو اسم متغير التنبؤ الذي تريد معامله. للوصول إلى الخطأ القياسي، يمكنك ببساطة كتابة سيفارنام. للوصول إلى معامل والخطأ القياسي من ثابت نستخدم بكونس و سيكونس على التوالي. أدناه نحن تشغيل نفس نموذج الانحدار ركضنا فوق (حذف الناتج)، وذلك باستخدام الإناث وقراءة للتنبؤ الكتابة. وبمجرد أن نقدر النموذج، نستخدم الأمر عرض لإظهار أن القيم في b تساوي معاملات الانحدار لدينا. وأخيرا، فإننا نحسب القيمة المتوقعة للكتابة عندما يكون لدى الإناث (الإناث 1) طالب درجة القراءة من 52. محتوى هذا الموقع لا ينبغي أن يفسر على أنه تأييد لأي موقع على شبكة الإنترنت، والكتاب، أو منتج البرمجيات معين من قبل جامعة كاليفورنيا.