تفسير نتائج الانحدار أولز 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 بواسطة المتغيرات المستقلة (النموذج) والتباين الذي لم يتم تفسيره من قبل المتغيرات المستقلة (المتبقية، التي تسمى 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. نموذج درجات 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، كتاب، أو منتج البرمجيات من قبل جامعة كاليفورنيا. لأسئلة سريعة البريد الإلكتروني dataprinceton. edu. لا أبتس. ضرورية خلال المشي في ساعات. ملاحظة: مختبر دس مفتوح طالما فايرستون مفتوح، لا المواعيد اللازمة لاستخدام أجهزة الكمبيوتر المختبرية لتحليل الخاصة بك. تفسير مخرجات الانحدار مقدمة يفترض هذا الدليل أن لديك على الأقل القليل من الألفة مع مفاهيم الانحدار المتعدد الخطي، وقادرة على أداء الانحدار في بعض حزمة البرامج مثل ستاتا، سبس ​​أو إكسيل. قد ترغب في قراءة صفحة رفيقنا مقدمة في الانحدار أولا. للحصول على المساعدة في أداء الانحدار في حزم برامج معينة، وهناك بعض الموارد في أوكلا البوابة الإحصائية الإحصائية. مراجعة موجزة للانحدار تذكر أن تحليل الانحدار يستخدم لإنتاج معادلة من شأنها التنبؤ المتغير التابع باستخدام واحد أو أكثر من المتغيرات المستقلة. هذه المعادلة لها الشكل حيث Y هو المتغير التابع الذي تحاول التنبؤ به، X1. X2 وهلم جرا هي المتغيرات المستقلة التي تستخدمها للتنبؤ به، b1. b2 وهكذا هي المعاملات أو المضاعفات التي تصف حجم تأثير المتغيرات المستقلة على المتغير التابع Y. و A هي القيمة Y المتوقعة عندما يكون كل المتغيرات المستقلة مساوية للصفر. في الانحدار ستاتا هو مبين أدناه، ومعادلة التنبؤ هو السعر -294.1955 (مبغ) 1767.292 (أجنبي) 11905.42 - أقول لك أن السعر من المتوقع أن يزيد 1767.292 عندما المتغير الأجنبي ترتفع بمقدار واحد، وانخفاض بمقدار 294.1955 عندما ميلا في الغالون ترتفع بمقدار واحد ، ومن المتوقع أن يكون 11905.42 عندما كل من ميلا في الغالون والأجنبية هي صفر. الخروج مع معادلة التنبؤ مثل هذا هو مجرد ممارسة مفيدة إذا كانت المتغيرات المستقلة في مجموعة البيانات لديك بعض الارتباط مع المتغير التابع الخاص بك. لذا، بالإضافة إلى مكونات التنبؤ المعادلة الخاصة بك - المعاملات على المتغيرات المستقلة (بيتاس) والثابت (ألفا) - تحتاج إلى بعض القياس أن أقول لكم مدى قوة كل متغير مستقل يرتبط متغير التابع الخاص بك. عند تشغيل الانحدار الخاص بك، كنت تحاول اكتشاف ما إذا كانت معاملات على المتغيرات المستقلة الخاصة بك مختلفة حقا من 0 (حتى المتغيرات المستقلة لها تأثير حقيقي على المتغير التابع) أو إذا كان بدلا من ذلك أي اختلافات واضحة من 0 هي فقط بسبب عشوائي فرصة. فرضية (الافتراضي) الفارغة هي دائما أن كل متغير مستقل هو وجود أي تأثير على الإطلاق (لديه معامل 0) وكنت تبحث عن سبب لرفض هذه النظرية. P، t والخطأ المعياري إحصاء t هو المعامل مقسوما على الخطأ المعياري. والخطأ المعياري هو تقدير للانحراف المعياري للمعامل، وهو المبلغ الذي يتفاوت بين الحالات. ويمكن اعتباره مقياسا للدقة التي يقاس بها معامل الانحدار. إذا كان معامل كبير بالمقارنة مع الخطأ المعياري، فمن المحتمل أن يكون مختلفا عن 0. كم كبير كبير برنامج الانحدار الخاص بك يقارن إحصاء t على المتغير الخاص بك مع القيم في توزيع الطلاب t لتحديد قيمة P، وهو رقم أن كنت حقا بحاجة إلى أن تبحث في. يصف توزيع الطلاب t كيف يتوقع أن يتصرف متوسط ​​العينة مع عدد معين من الملاحظات (n). إذا كان 95 من التوزيع t أقرب إلى المتوسط ​​من قيمة t على المعامل الذي تبحث عنه، عندئذ يكون لديك قيمة P 5. وهذا يعاد أيضا إلى مستوى دلالة 5. قيمة P هي الاحتمال من رؤية نتيجة متطرفة مثل تلك التي تحصل عليها (بقيمة كبيرة كما لك) في مجموعة من البيانات العشوائية التي المتغير ليس له أي تأثير. و P من 5 أو أقل هي النقطة المقبولة عموما التي لرفض فرضية نول. مع قيمة P 5 (أو 0.05) هناك فقط 5 فرصة أن النتائج التي تشاهدها قد تأتي في توزيع عشوائي، حتى تتمكن من القول مع احتمال 95 من أن يكون الصحيح أن المتغير هو وجود بعض التأثير، بافتراض أن نموذجك محدد بشكل صحيح. فترة الثقة 95 للمعاملات الخاصة بك أظهرت من قبل العديد من حزم الانحدار يعطيك نفس المعلومات. يمكنك أن تكون 95 واثقا من أن القيمة الحقيقية الكامنة للمعامل الذي تقوم بتقديره تقع في مكان ما في ذلك 95 فترة ثقة، لذلك إذا لم تتضمن الفاصل الزمني 0، ستكون قيمة P .05 أو أقل. لاحظ أن حجم قيمة P لمعامل لا يقول شيئا عن حجم التأثير الذي يحدثه المتغير على متغير التابع الخاص بك - فمن الممكن أن يكون لها نتيجة كبيرة جدا (قيمة P صغيرة جدا) لتأثير ضئيل. المعاملات في الانحدار الخطي البسيط أو المتعدد، فإن حجم المعامل لكل متغير مستقل يعطيك حجم التأثير الذي يحدثه المتغير على متغيرك التابع، والشارة على المعامل (إيجابي أو سلبي) تمنحك اتجاه تأثير. في الانحدار مع متغير مستقل واحد، يخبرك المعامل كم من المتوقع أن يزيد المتغير التابع (إذا كان المعامل موجبا) أو انخفاضا (إذا كان المعامل سلبيا) عندما يزيد المتغير المستقل بمقدار واحد. في الانحدار مع متغيرات مستقلة متعددة، يخبرك المعامل كم من المتوقع أن يزداد المتغير التابع عندما يزداد المتغير المستقل بمقدار واحد، مع الاحتفاظ بجميع المتغيرات المستقلة الأخرى ثابتة. تذكر أن نأخذ في الاعتبار الوحدات التي يتم قياس المتغيرات الخاصة بك في. ملاحظة: في أشكال الانحدار غير الانحدار الخطي، مثل لوجستية أو بروبيت، معاملات ليس لديها هذا التفسير المباشر. شرح كيفية التعامل مع هذه هي خارج نطاق دليل تمهيدي. R-سكارد والأهمية الكلية للانحدار R-سكارد من الانحدار هو جزء من الاختلاف في المتغير التابع الذي يتم حسابه (أو تنبأ به) المتغيرات المستقلة الخاصة بك. (في الانحدار مع متغير مستقل واحد، هو نفس مربع الارتباط بين المتغير التابع والمستقل الخاص بك). R - تربيع هو عموما أهمية ثانوية، إلا إذا كان اهتمامك الرئيسي هو استخدام معادلة الانحدار لجعل التنبؤات دقيقة . قيمة P يخبرك مدى الثقة التي يمكن أن يكون كل متغير الفردية لديه بعض الارتباط مع المتغير التابع، الذي هو الشيء المهم. رقم آخر أن يكون على بينة من قيمة P للانحدار ككل. ولأن المتغيرات المستقلة الخاصة بك قد تكون مرتبطة، وهي حالة تعرف باسم تعدد الخطورة، فإن المعاملات على المتغيرات الفردية قد تكون ضئيلة عندما يكون الانحدار ككل كبيرا. وبشكل حدسي، يرجع ذلك إلى أن المتغيرات المستقلة المترابطة للغاية تفسر نفس الجزء من التباين في المتغير التابع، وبالتالي فإن قوتهما التوضيحية وأهمية معاملاتهما مقسمة بينهما. مزيد من القراءة نسخة 2007 أمناء جامعة برينستون. كل الحقوق محفوظة. dataprinceton. edu ملاحظة: المعلومات هي لجامعة برينستون. لا تتردد في استخدام الوثائق ولكن لا يمكننا الإجابة على الأسئلة خارج برينستون هذه الصفحة آخر تحديث للموقع: