Perguntas com a marcação «interpretation»

Refere-se geralmente a tirar conclusões substantivas dos resultados de uma análise estatística.

3
Como interpretar os parâmetros GARCH?
Eu uso um modelo GARCH padrão: rtσ2t=σtϵt=γ0+γ1r2t−1+δ1σ2t−1rt=σtϵtσt2=γ0+γ1rt−12+δ1σt−12\begin{align} r_t&=\sigma_t\epsilon_t\\ \sigma^2_t&=\gamma_0 + \gamma_1 r_{t-1}^2 + \delta_1 \sigma^2_{t-1} \end{align} Tenho estimativas diferentes dos coeficientes e preciso interpretá-los. Portanto, estou pensando em uma boa interpretação, então o que representam , γ 1 e δ 1 ?γ0γ0\gamma_0γ1γ1\gamma_1δ1δ1\delta_1 Vejo que é algo como uma parte constante. …

1
Coeficientes de regressão de Ridge maiores que os coeficientes OLS ou que mudam de sinal dependendo de
Ao executar a regressão de crista, como você interpreta os coeficientes que acabam maiores que seus correspondentes em menores quadrados (para certos valores de )? A regressão de crista não deve reduzir monotonicamente os coeficientes?λλ\lambda Em uma nota relacionada, como interpretar um coeficiente cujo sinal muda durante a regressão da …






4
O que é aleatoriedade?
Em probabilidade e estatística, o conceito de "aleatório" e "aleatoriedade" são freqüentemente usados. Geralmente, o conceito de uma variável aleatória é usado para modelar eventos que ocorrem devido ao acaso. Minha pergunta diz respeito ao termo "aleatório". O que é aleatório? Existe aleatoriedade realmente? Estou curioso para saber o que …




1
Por que o erro padrão da interceptação aumenta quanto mais
O erro padrão da intercepção termo ( β 0 ) em Y = β 1 x + β 0 + ε é dado por S E ( β 0 ) 2 = σ 2 [ 1β^0β^0\hat{\beta}_0y=β1x+β0+εy=β1x+β0+εy=\beta_1x+\beta_0+\varepsilonSE(β^0)2=σ2[1n+x¯2∑ni=1(xi−x¯)2]SE(β^0)2=σ2[1n+x¯2∑i=1n(xi−x¯)2]SE(\hat{\beta}_0)^2 = \sigma^2\left[\frac{1}{n}+\frac{\bar{x}^2}{\sum_{i=1}^n(x_i-\bar{x})^2}\right] ondex¯x¯\bar{x}é a média doxixix_i's. Pelo que eu entendo, o SE quantifica o …


3
Termo de interceptação em regressão logística
Suponha que tenhamos o seguinte modelo de regressão logística: logit(p)=β0+β1x1+β2x2logit(p)=β0+β1x1+β2x2\text{logit}(p) = \beta_0+\beta_{1}x_{1} + \beta_{2}x_{2} É β0β0\beta_0 a probabilidade do evento quando x1=0x1=0x_1 = 0 e ? Em outras palavras, são as chances do evento quando e estão nos níveis mais baixos (mesmo que este não seja 0)? Por exemplo, se …


Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.