楼主: idzhoucong
9795 5

[回归分析求助] 请问一些关于beta系数的问题 [推广有奖]

  • 2关注
  • 3粉丝

教授

16%

还不是VIP/贵宾

-

威望
0
论坛币
944 个
通用积分
55.9147
学术水平
0 点
热心指数
2 点
信用等级
0 点
经验
101802 点
帖子
324
精华
0
在线时间
1360 小时
注册时间
2013-9-9
最后登录
2024-5-22

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
1.用reg Y X,beta 只能够得到标准化变量的系数估计值,但无法得到其标准误或P值,请问有什么办法得到呢?
2.怎么输出标准化变量的系数估计值以及标准误或P值呢?
谢谢!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:beta Bet ETA 估计值 标准化

沙发
夏目贵志 发表于 2015-9-19 08:07:13 |只看作者 |坛友微信交流群
因为显著性不受标准化的影响。请看这个例子:
sysuse auto
su price
gen stdprice=(price-r(mean))/r(sd)
su mpg
gen stdmpg=(mpg-r(mean))/r(sd)
reg price mpg
reg price mpg, beta
reg stdprice stdmpg

使用道具

藤椅
idzhoucong 在职认证  发表于 2015-9-19 08:45:00 |只看作者 |坛友微信交流群
夏目贵志 发表于 2015-9-19 08:07
因为显著性不受标准化的影响。请看这个例子:
sysuse auto
su price
您好,这里存在一个问题是,当解释变量不含类别变量的时候,变量标准化进行回归系数和贝塔系数是一样的,但是当加入类别变量之后就发生变化,这为什么会这样呢?
代码如下:
  1. sysuse auto, clear

  2. global cc price mpg gear_ratio rep78
  3. foreach var of varlist $cc {
  4.         egen `var'1 = std(`var')
  5. }
  6. global vv price1 mpg1 gear_ratio1
  7. reg $vv
  8. reg $cc ,beta

  9. global cc1 price mpg gear_ratio rep78
  10. global vv1 price1 mpg1 gear_ratio1 rep781  
  11. reg $vv1
  12. reg $cc1 ,beta
复制代码


已有 1 人评分经验 收起 理由
夏目贵志 + 10 是个好问题。

总评分: 经验 + 10   查看全部评分

使用道具

板凳
夏目贵志 发表于 2015-9-20 04:28:52 |只看作者 |坛友微信交流群
idzhoucong 发表于 2015-9-19 08:45
您好,这里存在一个问题是,当解释变量不含类别变量的时候,变量标准化进行回归系数和贝塔系数是一样的, ...
因为rep78有缺失值,而你的代码没有考虑到这点。像下面这样做就不会存在你说的问题了。
  1.     sysuse auto, clear
  2.     foreach var of varlist price mpg gear_ratio rep78 {
  3.             egen `var'1 = std(`var') if rep78!=.
  4.     }
  5.     reg price mpg gear_ratio rep78, beta
  6.     reg price1 mpg1 gear_ratio1 rep781
复制代码
已有 1 人评分经验 论坛币 学术水平 热心指数 信用等级 收起 理由
hustchen2012 + 10 + 10 + 1 + 1 + 1 精彩帖子

总评分: 经验 + 10  论坛币 + 10  学术水平 + 1  热心指数 + 1  信用等级 + 1   查看全部评分

使用道具

报纸
夏目贵志 发表于 2015-9-20 04:29:53 |只看作者 |坛友微信交流群
这个问题通过一个简单的模拟也能很好的说明。
  1. clear
  2. set obs 100
  3. gen u=rnormal()
  4. gen z=rnormal()
  5. gen x=runiform()>0.3
  6. replace x=2 if runiform()>0.5
  7. replace x=3 if runiform()>0.7
  8. replace x=4 if runiform()>0.9
  9. gen y=x*2+3+z+u
  10. egen ystd = std(y)
  11. egen xstd = std(x)
  12. egen zstd = std(z)
  13. su y x z
  14. levelsof x
  15. reg y x z, beta
  16. reg ystd xstd zstd
复制代码

使用道具

地板
idzhoucong 在职认证  发表于 2015-9-21 17:21:27 |只看作者 |坛友微信交流群
夏目贵志 发表于 2015-9-20 04:29
这个问题通过一个简单的模拟也能很好的说明。
实在太感谢了!

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-5-23 09:56