Tobit regression in stata forex

XTFMB: módulo Stata para executar a regressão do painel de duas etapas Fama-MacBeth Ao solicitar uma correção, mencione o identificador desses itens: RePEc: boc: bocode: s456786. Veja informações gerais sobre como corrigir o material no RePEc. Para questões técnicas relativas a este item, ou para corrigir seus autores, títulos, resumo, informações bibliográficas ou de download, entre em contato: (Christopher F Baum) Se você é o autor deste item e ainda não está registrado no RePEc, encorajamos você a fazê-lo aqui . Isso permite vincular seu perfil a este item. Ele também permite que você aceite citações em potencial para este item sobre o qual não temos certeza. Se as referências estiverem completamente ausentes, você pode adicioná-las usando este formulário. Se as referências completas listarem um item presente no RePEc, mas o sistema não o fez, você pode ajudar com este formulário. Se você souber de itens faltantes citando este, você pode nos ajudar a criar esses links, adicionando as referências relevantes da mesma maneira que acima, para cada item referente. Se você é um autor registrado deste item, você também pode querer verificar a guia de citações em seu perfil, pois pode haver citações em espera de confirmação. Observe que as correções podem levar algumas semanas para filtrar os vários serviços do RePEc. Mais serviços Siga as séries, periódicos, autores amplificar Novos artigos por e-mail Inscreva-se para novas adições ao RePEc Inscrição do autor Perfis públicos para pesquisadores de Economia Vários rankings de pesquisa em campos relacionados à economia de amplificadores Quem foi um estudante de quem, usando RePEc RePEc Biblio Curated artigos amp Artigos sobre vários temas de economia Carregar seu papel para ser listado em RePEc e IDEIAS EconAcademics Blog agregador para pesquisa econômica Plágio Casos de plágio em Economia Papéis do mercado de trabalho RePEc série de papel de trabalho dedicada ao mercado de trabalho Fantasy League Imagine que você está no comando de uma economia Serviços de departamento da StL Fed Data, pesquisa e aplicativos mais do St. Louis FedNOTICE: O grupo de consultoria estatística IDRE estará migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisas Digitais e Educação Ajude o Grupo de Consultoria Estatal, dando um presente Regressão Tobita de saída anotada da Stata Esta página mostra um exemplo de análise de regressão de toca com notas de rodapé explicando o resultado. Os dados neste exemplo foram reunidos em estudantes de graduação que se candidatam a uma escola de pós-graduação e inclui GPA de graduação, a reputação da escola de graduação (um indicador topnotch), o escore GRE dos alunos e se o aluno foi admitido ou não na escola de pós-graduação. A gama de possíveis pontuações GRE é de 200 a 800. Isso significa que nossa variável de resultados é deixada censurada e censurada à direita. Em outras palavras, se dois alunos obtiveram 800, eles são iguais de acordo com a nossa escala, mas podem não ser verdadeiramente iguais em aptidão. (Em outras palavras, nós temos um efeito de teto.) O mesmo vale para dois alunos com 200 (um efeito de piso). A regressão de Tobit gera um modelo que prediz que a variável de resultado esteja dentro do intervalo especificado. Se estamos interessados ​​em prever um escore GRE de estudantes usando seu GPA de graduação e a reputação de sua instituição de graduação, primeiro devemos considerar o GRE como uma variável de resultado. Para gerar um modelo de tobas em Stata, liste a variável de resultado seguida pelos preditores e especifique o limite inferior e o limite superior da variável de resultado. O limite inferior é especificado em parênteses após 11 e o limite superior é especificado entre parênteses após ul. Um modelo de tobo pode ser usado para prever um resultado que é censurado de cima, de baixo, ou ambos. Saída de regressão de Tobit a. Probabilidade de registro - Esta é a probabilidade do log do modelo ajustado. É usado no teste Qui-Quadrado de Razão de Probabilidade de se todos os coeficientes de regressão dos preditores no modelo são simultaneamente zero. B. Número de obs - Este é o número de observações no conjunto de dados para o qual todas as variáveis ​​de resposta e preditor não estão faltando. C. LR chi2 (2) - Este é o teste Qui-Quadrado da Razão de Probabilidade (LR) que pelo menos um dos coeficientes de regressão dos preditores não é igual a zero. O número entre parênteses indica os graus de liberdade da distribuição Qui-Quadrado usado para testar a estatística LR Chi-Quadrado e é definido pelo número de preditores no modelo (2). D. Prob gt chi2 - Esta é a probabilidade de obter uma estatística de teste LR tão extrema como, ou mais, do que a estatística observada sob a hipótese nula, a hipótese nula é que todos os coeficientes de regressão são simultaneamente iguais a zero. Em outras palavras, esta é a probabilidade de obter esta estatística do qui-quadrado (70,93) ou uma mais extrema se não houver efeito das variáveis ​​preditoras. Esse valor de p é comparado a um nível alfa especificado, nossa vontade de aceitar um erro de tipo I, que normalmente é definido como 0,05 ou 0,01. O pequeno valor p do teste LR, lt0.0001, levaria a concluir que pelo menos um dos coeficientes de regressão no modelo não é igual a zero. O parâmetro da distribuição do qui-quadrado usado para testar a hipótese nula é definido pelos graus de liberdade na linha anterior, chi2 (2) e. Pseudo R2 - Este é McFaddens pseudo R-squared. A regressão de Tobit não tem um equivalente ao R-quadrado que é encontrado na regressão OLS no entanto, muitas pessoas tentaram chegar a um. Há uma grande variedade de estatísticas pseudo-R-square. Como esta estatística não significa o que R-quadrado significa na regressão OLS (a proporção de variância da variável de resposta explicada pelos preditores), sugerimos interpretar esta estatística com grande cautela. Para mais informações sobre pseudo R-squareds, veja O que são Pseudo R-Squared. F. Gre - Esta é a variável de resposta prevista pelo modelo. Estamos usando um modelo de tobas porque esta variável de resposta é censurada: os escores do GRE são dimensionados de 200 a 800 e não podem ficar fora desse intervalo. G. Coef. - Estes são os coeficientes de regressão. Os coeficientes de regressão de Tobit são interpretados de maneira semelhante aos coeficientes de regressão OLS no entanto, o efeito linear é na variável latente não censurada, e não no resultado observado. O esperado resultado de GRE muda por Coef. Para cada aumento de unidade no preditor correspondente. Gpa - Se um sujeito aumentasse sua gpa em um ponto, seu escore GRE esperado aumentaria em 111.3085 pontos, enquanto mantendo constantes todas as outras variáveis ​​no modelo. Assim, quanto maior a gpa dos estudantes. Quanto maior o escore GRE previsto. Topnotch - Se um sujeito frequentasse uma instituição topnotch para sua educação de graduação, seu score GRE esperado seria 46.65774 pontos maior do que um sujeito com a mesma média de grau que frequentava uma instituição não superior. Assim, os sujeitos das instituições de graduação topnotch têm maiores pontuações GRE esperadas do que os indivíduos de instituições de graduação não topnotch se as médias de pontos de classificação forem mantidas constantes. Contras - Se todas as variáveis ​​preditoras no modelo forem avaliadas em zero, o escore GRE previsto seria o contras 205.8515. Para sujeitos de instituições de graduação não topnotch (topnotch avaliado em zero) com zero gpa. O escore GRE previsto seria 205,85515. Isso pode parecer muito baixo, considerando o escore GRE médio é 587,7, mas note que a avaliação de gpa em zero está fora do intervalo de valores plausíveis para gpa. H. Std. Errar. - Estes são os erros padrão dos coeficientes de regressão individuais. Eles são usados ​​tanto no cálculo da estatística do teste t, quanto no sobrescrito i, quanto no intervalo de confiança do coeficiente de regressão, superíndice k. Eu. T - A estatística de teste t é a proporção do Coef. Para o Std. Errar. Do respectivo preditor. O valor t é usado para testar uma hipótese alternativa de dois lados que o Coef. Não é igual a zero. J. Pgtt - Esta é a probabilidade de a estatística de teste t (ou uma estatística de teste mais extrema) ser observada sob a hipótese nula de que um coeficiente de regressão de preditores particular é zero, dado que o resto dos preditores estão no modelo. Para um determinado nível alfa, Pgtt determina se a hipótese nula pode ou não ser rejeitada. Se Pgtt for menor que o alfa, então a hipótese nula pode ser rejeitada e a estimativa do parâmetro é considerada estatisticamente significativa nesse nível alfa. Gpa - A estatística do teste t para o preditor gpa é (111.308515.19665) 7.32 com um p-valor associado de lt0.001. Se configurarmos o nosso nível alfa para 0,05, rejeitaremos a hipótese nula e concluiremos que o coeficiente de regressão para gpa foi encontrado para ser estatisticamente diferente de zero dado topnotch está no modelo. Topnotch - A estatística do teste t para o topnotch do preditor é (46.6577415.75356) 2.96 com um p-valor associado de 0.003. Se configuramos o nosso nível alfa para 0,05, rejeitaremos a hipótese nula e concluiremos que o coeficiente de regressão para topnotch foi encontrado para ser estatisticamente diferente de zero dado gpa está no modelo. Contras - A estatística de teste t para a intercepção, contras, é (205.851551.24073) 4.02 com um valor de p associado de l 0,001. Se configurarmos o nosso nível alfa em 0,05, rejeitaremos a hipótese nula e concluiremos que os contras foram encontrados de forma estatisticamente diferente de GPA zero e a topnotch está no modelo e avaliada em zero. K. 95 Conf. Intervalo - Este é o Intervalo de Confiança (CI) para um coeficiente individual dado que os outros preditores estão no modelo. Para um determinado preditor com um nível de confiança 95, diz que estamos seguros de que o coeficiente quottruequot está entre o limite inferior e o limite superior do intervalo. O CI é equivalente à estatística do teste t: se o IC inclui zero, não pode rejeitar a hipótese nula de que um coeficiente de regressão particular é zero, dado que os outros preditores estão no modelo com o nível alfa de zero. Uma vantagem de um CI é que é ilustrativo que fornece um intervalo onde o parâmetro quottruequot pode ser encontrado. eu. Sigma - Este é o erro padrão estimado da regressão. Esse valor, 111.4882, é comparável ao erro quadrático médio da raiz que seria obtido em uma regressão OLS. M. Obs. Resumo - Isso indica quantas das observações no conjunto de dados são censuradas. Aqui, vemos que nenhum dos registros é censurado (todos são maiores que 200) e 25 dos registros são censurados à direita (maior ou igual a 800). O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico da Universidade da Califórnia.