প্রশ্ন ট্যাগ «instrumental-variables»

স্ট্যান্ডার্ড রিগ্রেশন পদ্ধতি পক্ষপাতদুষ্ট এবং বেমানান অনুমান যখন ফলস্বরূপ উপস্থিতিতে পর্যবেক্ষণমূলক ডেটা সহ কার্যকারিতা নির্ধারণের জন্য ইনস্ট্রুমেন্টাল ভেরিয়েবল (চতুর্থ) ব্যবহার করা হয়।

2
যন্ত্রের অভাবে আমরা পর্যবেক্ষণের তথ্যগুলিতে মডেলগুলি সম্পর্কে কী বলতে পারি?
অতীতে আমি এমন অনেক অঞ্চলে প্রকাশিত কাগজপত্র সম্পর্কিত আমার সম্পর্কে অনেকগুলি প্রশ্ন জিজ্ঞাসা করেছি যেখানে পর্যবেক্ষণমূলক ডেটাগুলিতে রিগ্রেশন (এবং সম্পর্কিত মডেল যেমন প্যানেল মডেল বা জিএলএম) ব্যবহার করা হয় (যেমন নিয়ন্ত্রিত পরীক্ষার মাধ্যমে ডেটা তৈরি হয় না) , অনেক ক্ষেত্রে - তবে সর্বদা নয় - সময়ের সাথে সাথে ডেটা পর্যবেক্ষণ …

2
নির্ভরশীল পরিবর্তনশীল পক্ষপাতিত্বের ক্ষেত্রে পরিমাপের ত্রুটি কেন ফলাফলগুলি করে না?
যখন স্বাধীন ভেরিয়েবলের পরিমাপের ত্রুটি থাকে তখন আমি বুঝতে পারি যে ফলাফলগুলি 0 এর সাথে পক্ষপাতদুষ্ট হবে the এর প্রভাবটি মূল ভেরিয়েবল উপর নয় অন্য কোনও প্লাসে ত্রুটিযুক্ত করে। সুতরাং এটি কীভাবে অনুমানগুলিকে প্রভাবিত করে না? এই ক্ষেত্রে আমি কি এই সমস্যাটি সরাতে উপকরণের ভেরিয়েবলগুলি ব্যবহার করতে পারি?XXXYYYYYY

1
বাইনারি এন্ডোজেনাস ভেরিয়েবলের সাথে 2SLS এর ধারাবাহিকতা
আমি পড়েছি যে 2 এসএলএস অনুমানকারী এখনও বাইনারি এন্ডোজেনাস ভেরিয়েবলের সাথে সামঞ্জস্যপূর্ণ ( http://www.stata.com/statalist/archive/2004-07/msg00699.html )। প্রথম পর্যায়ে একটি লিনিয়ার মডেলের পরিবর্তে একটি প্রবিট ট্রিটমেন্ট মডেল চালানো হবে। 1 ম পর্যায় প্রবিট বা লগইট মডেল হওয়া সত্ত্বেও 2SLS এখনও সামঞ্জস্যপূর্ণ রয়েছে তা দেখানোর কোনও আনুষ্ঠানিক প্রমাণ রয়েছে কি? এছাড়াও যদি ফলাফলটিও …

1
কেন আনোভা () এবং ড্রপ 1 () জিএলএমএমগুলির জন্য আলাদা উত্তর সরবরাহ করে?
আমার ফর্মটির একটি জিএলএমএম রয়েছে: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) আমি যখন ব্যবহার করি drop1(model, test="Chi"), তখন আমি Anova(model, type="III")গাড়ি প্যাকেজটি ব্যবহার করি বা না থেকে তার চেয়ে আলাদা ফলাফল পাই summary(model)। এই দ্বিতীয় দুটি একই উত্তর দেয়। একগুচ্ছ মনগড়া তথ্য …
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
এলোমেলোভাবে নিয়োগ: কেন বিরক্ত?
এলোমেলোভাবে কার্যনির্বাহী মূল্যবান কারণ এটি সম্ভাব্য ফলাফলগুলি থেকে চিকিত্সার স্বাধীনতা নিশ্চিত করে। এইভাবে এটি চিকিত্সার গড় প্রভাব সম্পর্কে নিরপেক্ষ অনুমানের দিকে নিয়ে যায়। তবে অন্যান্য অ্যাসাইনমেন্ট প্রকল্পগুলি সম্ভাব্য ফলাফলগুলি থেকে চিকিত্সার স্বাধীনতার ব্যবস্থাও নিয়মিতভাবে করতে পারে। তাহলে আমাদের কেন এলোমেলোভাবে নিয়োগ দরকার? আরেকটি উপায় রাখুন, ননরানডম অ্যাসাইনমেন্ট স্কিমগুলির তুলনায় এলোমেলোভাবে …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.