Запитання з тегом «instrumental-variables»

Інструментальні змінні (IV) використовуються для причинного висновку даних спостережень за наявності ендогенності, коли стандартні методи регресії дають необ’єктивні та непослідовні оцінки.

2
Що можна сказати про моделі даних спостережень за відсутності інструментів?
У минулому мені було задано ряд питань, що стосуються опублікованих праць у ряді областей, де регресії (і пов'язані з ними моделі, такі як моделі панелей або GLM) використовуються для даних спостережень (тобто даних, не отриманих контрольованим експериментом , у багатьох випадках - але не завжди - дані, які спостерігаються з …

2
Чому помилка вимірювання у змінній залежної змінної не змінює результати?
Коли в незалежній змінній є помилка вимірювання, я зрозумів, що результати будуть зміщені проти 0. Коли залежна змінна вимірюється помилкою, вони говорять, що це просто впливає на стандартні помилки, але це не має для мене особливого сенсу, оскільки ми оцінка ефекту не на вихідну змінну а на деяку іншу плюс …

1
Узгодженість 2SLS з бінарною ендогенною змінною
Я прочитав, що оцінювач 2SLS все ще відповідає навіть бінарній ендогенній змінній ( http://www.stata.com/statalist/archive/2004-07/msg00699.html ). На першому етапі замість лінійної моделі буде запущена модель лікування. Чи є якісь офіційні докази, що свідчать про те, що 2SLS все ще відповідає, навіть коли 1-й етап є моделлю probit або logit? А що …

1
Чому Anova () та drop1 () надали різні відповіді для GLMM?
У мене є GLMM форми: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Під час використання drop1(model, test="Chi")я отримую інші результати, ніж якщо я використовую Anova(model, type="III")з автомобільного пакета або summary(model). Ці два останні дають однакові відповіді. Використовуючи купу сфабрикованих даних, я виявив, що …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

3
Випадкове завдання: навіщо турбуватися?
Випадкове призначення є цінним, оскільки забезпечує незалежність лікування від потенційних результатів. Ось як це призводить до неупереджених оцінок середнього ефекту від лікування. Але інші схеми призначення можуть також систематично забезпечувати незалежність лікування від потенційних результатів. То чому нам потрібне випадкове призначення? По-іншому, у чому полягає перевага випадкового присвоєння перед не …
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.