Laufen F Test In Stata Forex

Re: st: partielle F-Test Mi, 18 Okt 2006 22:14:23 -0500 Ihre Hinweise zum Erstellen eines neuen Datensatzes machen mich vermuten, dass jmp (was auch immer das) etwas anders als die von Stata tun muss. Ich denke, was Sie einen partiellen F-Test nennen Ich nenne einen inkrementellen F-Test. Entweder das oder ich verstehe die Frage nicht. Vielleicht möchten Sie etwas wie dieses: Regress y x1 x2 x3 x4 test x3 x4 dh testen Sie die Hypothese, dass die Effekte von x3 und x4 sind beide 0. Sie könnten auch etwas wie nestreg: regress y (x1 x2) (x3 x4) Lets Dass Sie irgendwie eine Variable namens Ausreißer erstellt haben, die 1 für die Fälle entspricht, die Sie ausschließen möchten, 0 für die Fälle, die Sie behalten möchten. Verwenden Sie das if-Qualifikationsmerkmal auf regress. Regress y x1 x2 x3 x4 wenn Ausreißer 0 Eine Übersicht über die Verwendung von Stata für die OLS-Regression finden Sie unter ------------------------------ ------------- Richard Williams, Notre Dame Abteilung für Soziologie BÜRO: (574) 631-6668, (574)631-6463 FAX: (574)288-4373 HOME: (574) 289 -5227 E-MAIL: Richard. A.Williams.5ND. Edu WWW (persönlich): nd. edu rwilliam WWW (Abteilung): nd. eduIndependent t-Test mit Stata Einleitung Der unabhängige t-Test, auch als unabhängige Proben bezeichnet T-Test, unabhängige Maßnahmen t-Test oder ungepaarten t-Test wird verwendet, um festzustellen, ob der Mittelwert einer abhängigen Variable (zB Gewicht, Angstgehalt, Gehalt, Reaktionszeit, etc.) ist das gleiche in zwei unabhängigen unabhängig Gruppen (zB Männer vs. Frauen, Erwerbstätige vs Arbeitslose, unter 21-Jährigen gegenüber 21 Jahren und älter usw.). Speziell verwenden Sie einen unabhängigen t-Test, um festzustellen, ob der mittlere Unterschied zwischen zwei Gruppen statistisch signifikant verschieden von Null ist. Zum Beispiel könnte ein unabhängiger t-Test verwendet werden, um zu testen, ob die Revisionszeit unter den Studenten je nach Geschlecht unterschiedlich war (dh Ihre abhängige Variable wäre Revisionszeit, in Minuten oder Stunden gemessen und Ihre unabhängige Variable wäre das Geschlecht, das zwei hat Gruppen: männlich und weiblich). Alternativ könnte ein unabhängiger t-Test verwendet werden, um zu verstehen, ob es einen Unterschied im Gehalt auf der Grundlage von Bildungsniveau (dh Ihre abhängige Variable wäre Gehalt und Ihre unabhängige Variable wäre Bildungsniveau, die zwei Gruppen: Undergraduate-Abschluss und Postgraduierten-Grad hat ). Hinweis: In Stata 12 sehen Sie, dass der unabhängige t-Test als zweistufiger Mittelwertvergleichstest bezeichnet wird, während er in der Stata 13 als t-Test bezeichnet wird (Mittelwertvergleichstest). In dieser Anleitung zeigen wir Ihnen, wie Sie einen unabhängigen t-Test mit Stata durchführen sowie die Ergebnisse aus diesem Test interpretieren und melden können. Bevor wir Ihnen dieses Verfahren vorstellen, müssen Sie jedoch die unterschiedlichen Annahmen verstehen, die Ihre Daten erfüllen müssen, damit ein unabhängiger t-Test ein gültiges Ergebnis liefert. Wir diskutieren diese Annahmen als nächstes. Hinweis: Wenn Ihre unabhängige Variable über verwandte Gruppen verfügt, müssen Sie stattdessen einen gepaarten t-Test verwenden. Alternativ können Sie, wenn Sie mehr als zwei unabhängige Gruppen haben, eine einseitige ANOVA verwenden. Wenn Sie jedoch nur eine Gruppe haben und diese mit einem bekannten oder hypothetischen Wert vergleichen möchten, können Sie einen Ein-Stichproben-Test durchführen. Wir haben auch eine Anleitung, wie man einen unabhängigen t-Test mit Minitab laufen kann. Annahmen Es gibt sechs Annahmen, die den unabhängigen t-Test untermauern. Wenn eine dieser sechs Annahmen nicht erfüllt ist, können Sie Ihre Daten nicht mit einem unabhängigen t-Test analysieren, da Sie kein gültiges Ergebnis erhalten. Da sich die Annahmen 1, 2 und 3 auf das Studiendesign und die Wahl der Variablen beziehen, können sie nicht auf die Verwendung von Stata getestet werden. Allerdings sollten Sie entscheiden, ob Ihre Studie erfüllt diese Annahmen, bevor Sie fortfahren. Annahme 1: Ihre abhängige Variable sollte im Intervall oder Verhältnis-Ebene (d. H. Sie sind kontinuierlich) gemessen werden. Beispiele für derartige abhängige Variablen sind die Höhe (gemessen in Fuß und Inch), die Temperatur (gemessen in ° C), das Gehalt (gemessen in US-Dollar), die Revisionszeit (gemessen in Stunden), die Intelligenz (gemessen mit IQ - Gemessen in Millisekunden), Testleistung (gemessen von 0 bis 100), Umsatz (gemessen in Anzahl der Transaktionen pro Monat) und so weiter. Wenn Sie nicht sicher sind, ob Ihre abhängige Variable kontinuierlich ist (d. h. auf der Intervall - oder der Verhältnisstufe), finden Sie in unseren Variablen-Typen. Annahme 2: Ihre unabhängige Variable sollte aus zwei kategorischen bestehen. Unabhängigen (unabhängigen) Gruppen. Beispiele für solche unabhängigen Variablen sind Geschlecht (2 Gruppen: männlich oder weiblich), Behandlungsart (2 Gruppen: Medikamente oder keine Medikamente), Bildungsniveau (2 Gruppen: Studierende oder Doktoranden), religiöse (2 Gruppen: ja oder nein) und So weiter. Annahme 3: Sie sollten die Unabhängigkeit der Beobachtungen haben. Was bedeutet, dass es keine Beziehung zwischen den Beobachtungen in jeder Gruppe oder zwischen den Gruppen selbst gibt. Beispielsweise müssen in jeder Gruppe unterschiedliche Teilnehmer vorhanden sein, wobei kein Teilnehmer mehr als eine Gruppe hat. Wenn Sie keine Unabhängigkeit von Beobachtungen haben, ist es wahrscheinlich, dass Sie verwandte Gruppen haben, dh Sie müssen einen abhängigen t-Test anstelle des unabhängigen t-Tests verwenden. Glücklicherweise können Sie Annahmen 4, 5 und 6 mit Stata überprüfen. Wenn wir uns auf die Annahmen 4, 5 und 6 begeben, empfehlen wir, diese in dieser Reihenfolge zu testen, da sie eine Bestellung darstellt, bei der ein Verstoß gegen die Annahme nicht mehr korrigierbar ist, können Sie keinen unabhängigen t-Test mehr verwenden. In der Tat, nicht wundern, wenn Ihre Daten nicht eine oder mehrere dieser Annahmen, da dies ziemlich typisch ist, wenn mit realen Daten anstatt Lehrbuch Beispiele, die oft nur zeigen, wie man einen unabhängigen t-Test, wenn alles läuft gut. Jedoch sorgen Sie sich nicht, weil, selbst wenn Ihre Daten bestimmte Annahmen ausfallen, es häufig eine Lösung gibt, zum dieses zu überwinden (zB Ihre Daten zu verwandeln oder einen anderen statistischen Test anstatt zu verwenden). Denken Sie daran, dass die Ergebnisse, die Sie beim Ausführen eines unabhängigen t-Tests erhalten, nicht gültig sind, wenn Sie nicht überprüfen, ob Ihre Daten diese Annahmen erfüllen oder ob Sie sie falsch testen. Annahme 4: Es sollten keine signifikanten Ausreißer vorhanden sein. Ein Ausreißer ist einfach ein einziger Fall in Ihrem Datensatz, der nicht dem üblichen Muster folgt (z. B. in einer Studie von 100 Studenten IQ Scores, wo die mittlere Punktzahl 108 mit nur einer kleinen Abweichung zwischen den Schülern war, hatte ein Schüler eine Punktzahl von 156 , Die sehr ungewöhnlich ist, und kann sogar setzen sie in die Top 1 der IQ-Scores global). Das Problem mit Ausreißern ist, dass sie einen negativen Effekt auf den unabhängigen t-Test haben können, was die Genauigkeit Ihrer Ergebnisse verringert. Glücklicherweise, wenn Sie Stata verwenden, um eine unabhängige t-Test auf Ihre Daten laufen, können Sie leicht erkennen mögliche Ausreißer. Annahme 5: Ihre abhängige Variable sollte für jede Kategorie der unabhängigen Variablen ungefähr normal verteilt sein. Ihre Daten müssen für den Betrieb eines unabhängigen t-Tests nur annähernd normal sein, da sie sehr robust sind gegen Verletzungen der Normalität, was bedeutet, dass diese Annahme ein wenig verletzt werden kann und dennoch gültige Ergebnisse liefert. Sie können auf Normalität mit dem Shapiro-Wilk-Test der Normalität testen, die leicht für die Verwendung von Stata getestet wird. Annahme 6: Es muss Homogenität von Abweichungen bestehen. Sie können diese Annahme in Stata mit Levenes-Test für Homogenität von Varianzen testen. Levenes-Test ist sehr wichtig, wenn es darum geht, die Ergebnisse aus einer unabhängigen t-Test-Leitfaden zu interpretieren, weil Stata in der Lage ist, produzieren unterschiedliche Ausgabe je nachdem, ob Ihre Daten erfüllt oder nicht diese Annahme. In der Praxis wird die Überprüfung der Annahmen 4, 5 und 6 voraussichtlich die meiste Zeit in Anspruch nehmen, wenn ein unabhängiger t-Test durchgeführt wird. Allerdings ist es keine schwierige Aufgabe, und Stata bietet alle Werkzeuge, die Sie benötigen, um dies zu tun. Im Abschnitt Testverfahren in Stata. Veranschaulichen wir die Stata-Prozedur, die erforderlich ist, um einen unabhängigen t-Test unter der Annahme durchzuführen, dass keine Annahmen verletzt worden sind. Zunächst beschreiben wir das Beispiel, mit dem wir das unabhängige t-Testverfahren in Stata erklären. Mit einem großen Teil der schweren Raucher kämpfen, um zu beenden, will die Regierung Wege finden, um ihnen helfen, reduzieren ihre Zigarettenkonsum. Ein Forscher möchte untersuchen, ob die Verwendung von Nikotinpflaster den Zigarettenkonsum reduziert und wenn ja, um wie viel. Daher rekrutiert der Forscher eine Stichprobe von 30 starken Rauchern aus der Bevölkerung, wobei ein starker Raucher als eine Person definiert ist, die durchschnittlich 40 Zigaretten oder mehr pro Tag raucht. Diese Stichprobe von 30 Teilnehmern wurde zufällig in zwei unabhängige Gruppen ndash eine Kontrollgruppe und eine Behandlungsgruppe ndash mit 15 Teilnehmern in jeder Gruppe aufgeteilt. Daher erhielten 15 Teilnehmer die Nikotinpflaster (die Behandlungsgruppe) und 15 Teilnehmer erhielten ein Placebo, dh ein Pflaster, das kein Nikotin (die Kontrollgruppe) enthielt. Infolgedessen wusste keiner der Teilnehmer, ob sie in der Behandlungsgruppe oder der Kontrollgruppe waren. Drei Monate nach Beginn des Experiments wurde der Zigarettenkonsum der beiden Gruppen anhand der durchschnittlichen Anzahl der pro Tag gerauchten Zigaretten gemessen. Daher war die abhängige Variable der Zigarettenkonsum (gemessen an der Anzahl der täglich gerauchten Zigaretten am Ende des Experiments), während die unabhängige Variable der Behandlungstyp war, wobei es zwei unabhängige Gruppen (die Behandlungsgruppe und Kontrollgruppe) gab. Ein unabhängiger t-Test wurde verwendet, um zu bestimmen, ob es einen statistisch signifikanten Unterschied im Zigarettenkonsum zwischen den beiden unabhängigen Gruppen (d. h. der Behandlungsgruppe und der Kontrollgruppe) gab. Setup in Stata In Stata haben wir die beiden Gruppen für die Analyse getrennt, indem wir eine Gruppierungsvariable namens TreatmentType erstellen. Und erhielt die Kontrollgruppe, die das Placebo erhielt, einen Wert von 1 - Placebo und die Behandlungsgruppe, die die Nikotinpflaster im Wert von 2 - Nicotinpflaster erhielten, wie unten gezeigt. Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Die Scores für die abhängige Variable, CigaretteConsumption. Wurden dann in die Spalte rechts neben der unabhängigen Variablen TreatmentType in die Dateneditor-Tabelle (Bearbeiten) eingetragen. Wie unten gezeigt: Mit schriftlicher Genehmigung von StataCorp LP veröffentlicht. Testverfahren in Stata In diesem Abschnitt zeigen wir Ihnen, wie Sie Ihre Daten mit einem unabhängigen t-Test in Stata analysieren, wenn die sechs Annahmen im vorherigen Abschnitt, Annahmen. Nicht verletzt wurden. Sie können einen unabhängigen t-Test mit Code oder grafische Benutzeroberfläche (GUI) durchführen. Nachdem Sie Ihre Analyse durchgeführt haben, zeigen wir Ihnen, wie Sie Ihre Ergebnisse interpretieren können. Wählen Sie zuerst aus, ob Sie den Code oder die grafische Benutzeroberfläche (GUI) verwenden möchten. Der Code zum Ausführen eines unabhängigen t-Tests für Ihre Daten erfolgt wie folgt: ttest DependentVariable, by (IndependentVariable) Erscheint mit schriftlicher Genehmigung von StataCorp LP. Mit unserem Beispiel, wo die abhängige Variable ist CigaretteConsumption und die unabhängige Variable ist TreatmentType. Der erforderliche Code wäre: ttest CigaretteConsumption, by (TreatmentType) Anmerkung 1: Sie müssen präzise sein, wenn Sie den Code in das Feld eingeben. Der Code ist case sensitive. Wenn Sie z. B. cigaretteConsumption eingegeben haben, wobei das erste c kleiner als Großbuchstaben (dh ein großes C) ist, sollten Sie eine Fehlermeldung wie die folgende erhalten: Anmerkung 2: Wenn Sie immer noch die Fehlermeldung in Hinweis erhalten 1: oben lohnt es sich, den Namen zu überprüfen, den Sie bei der Einrichtung Ihrer Datei (siehe oben im Data Editor) Ihre abhängigen und unabhängigen Variablen im Data Editor angegeben haben. In dem Feld auf der rechten Seite des Dateneditor-Bildschirms ist es so, dass Sie Ihre Variablen im Abschnitt buchstabieren, nicht den Abschnitt, den Sie in den Code eingeben müssen (siehe unten für unsere unabhängige Variable). Dies mag offensichtlich sein, aber es ist ein Fehler, der manchmal gemacht wird, was zu dem Fehler in Anmerkung 1 oben führt. Geben Sie daher den Code ein, ttest CigaretteConsumption, nach (TreatmentType). Und drücken Sie die ReturnEnter-Taste auf Ihrer Tastatur. Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Sie können die Stata-Ausgabe sehen, die hier erzeugt wird. Grafische Benutzeroberfläche (GUI) Die drei Schritte, die erforderlich sind, um einen unabhängigen t-Test im Stata 12 ndash, bekannt als ein Zwei-Gruppen-Mittelvergleichstest im Stata 12 ndash, zu sehen, sind unten gezeigt. Das gleiche Verfahren erfordert vier Stufen in Stata 13 und dies wird weiter unten gezeigt: Version 12 In Stata 12 klicken Sie auf Statistik gt Zusammenfassungen, Tabellen und Tests gt Klassische Prüfungen von Hypothesen gt Zwei-Gruppen-Mittelvergleichstest im obersten Menü, as Unten gezeigt. Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Sie erhalten die ttest - Zweigruppen-Vergleichstest-Dialogbox: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Wählen Sie die abhängige Variable, CigaretteConsumption. Aus dem Dropdown-Feld Variablenname und der unabhängigen Variablen TreatmentType. Aus dem Dropdown-Feld "group variable name: Dropdown", wie unten gezeigt: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Version 13 Klicken Sie in Stata 13 auf Statistik gt Zusammenfassungen, Tabellen und Tests gt Klassische Tests von Hypothesen gt t Test (Mittelvergleichstest) im oberen Menü, wie unten gezeigt. Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Sie werden mit dem t-Test (Vergleichstest-Dialog) präsentiert: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Wählen Sie im Bereich ndasht-testsndashash die Option Zwei Beispiele mit Gruppen aus, wie unten gezeigt: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Wählen Sie die abhängige Variable, CigaretteConsumption. Aus dem Dropdown-Feld Variablenname und der unabhängigen Variablen TreatmentType. Aus dem Dropdown-Feld "Gruppenname". Sie werden am Ende mit einem Bildschirm ähnlich dem folgenden: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Drück den Knopf. Die Ausgabe, die Stata erzeugt, wird unten gezeigt. Ausgabe des unabhängigen t-Tests in Stata Wenn Ihre Daten die Annahme 4 (dh keine signifikanten Ausreißer) bestanden haben, wurde die Annahme 5 (dh Ihre abhängige Variable war annähernd normalverteilt für jede Kategorie der unabhängigen Variablen) und die Annahme 6 (dh Homogenität von Varianzen), die wir bereits im Abschnitt Annahmen beschrieben haben, müssen Sie nur die folgende Stata-Ausgabe für den unabhängigen t-Test interpretieren: Mit schriftlicher Genehmigung von StataCorp LP veröffentlicht. Diese Ausgabe liefert nützliche deskriptive Statistiken für die beiden Gruppen, die Sie verglichen haben, einschließlich der Mittelwert - und Standardabweichung sowie die tatsächlichen Ergebnisse des unabhängigen t-Tests. Wir können sehen, daß die Gruppenmittel signifikant unterschiedlich sind, wenn der p-Wert in der Pr (Tt) - Reihe (unter Ha: diff & sub0;) kleiner als 0,05 ist (d. h. auf der Basis eines Signifikanzniveaus von zwei Signalen). Betrachtet man die mittlere Säule, können Sie sehen, dass die Menschen, die die Nikotinpflaster verwendet hatten einen niedrigeren Zigarettenkonsum am Ende des Experiments im Vergleich zu denen, die das Placebo erhielten, hatten. Hinweis: Wir präsentieren die Ausgabe des unabhängigen t-Tests oben. Da Sie jedoch Ihre Daten für die Annahmen getestet haben müssen, die wir bereits im Abschnitt "Annahmen" erläutert haben, müssen Sie auch die Stata-Ausgabe interpretieren, die beim Testen für sie erstellt wurde. Dazu gehören: a) die Kastenplots, mit denen Sie überprüft haben, ob es bedeutende Ausreißer gab; b) die Ausgangssituation für den Shapiro-Wilk-Test der Normalität zur Ermittlung der Normalität und (c) die Ausgangsleistung für den Levenes-Test zur Homogenität von Abweichungen. Denken Sie auch daran, dass die Ausgabe, die Sie von der unabhängigen t-Testprozedur (dh der Ausgabe, die wir oben besprochen haben) nicht mehr relevant ist, wenn Ihre Daten eine dieser Annahmen nicht bestanden haben, und Sie müssen die Stata-Ausgabe interpretieren Produziert, wenn sie scheitern (dh dies beinhaltet verschiedene Ergebnisse). Berichte über die Ausgabe des unabhängigen t-Tests Wenn Sie die Ausgabe Ihres unabhängigen t-Tests melden, ist es empfehlenswert, a) eine Einführung in die von Ihnen durchgeführte Analyse (b) Teilnehmer waren in jeder Gruppe Ihrer beiden Gruppen (NB ist besonders nützlich, wenn die Gruppengrößen ungleich waren oder wenn es fehlende Werte gab) (c) die mittlere und Standardabweichung für Ihre beiden unabhängigen Gruppen und (d) den beobachteten t-Wert (T), Freiheitsgrade (Freiheitsgrade) und Signifikanzniveau, genauer gesagt der 2-tailed-p-Wert (Pr (T t)). Basierend auf den obigen Ergebnissen konnten wir die Ergebnisse dieser Studie wie folgt berichten: Ein unabhängiger t-Test wurde mit einer Stichprobe von 30 starken Rauchern durchgeführt, um festzustellen, ob es Unterschiede im Zigarettenkonsum auf der Grundlage der Behandlungstypen, bestehend aus einem Placebo Die Kontrollgruppe) und Nikotinpflaster (die Behandlungsgruppe). Beide Gruppen bestanden aus 15 randomisierten Teilnehmern. Die Ergebnisse zeigten, dass die Teilnehmer Nikotinpflaster hatten am Ende des Experiments statistisch signifikant niedrigeren Zigarettenkonsum (21,47 177 2,07 Zigaretten), verglichen mit den Teilnehmern der Placebo (28,53 177 2,07 Zigaretten), t (28) 2,410, p 0,023. Zusätzlich zur Meldung der Ergebnisse wie oben kann ein Diagramm verwendet werden, um Ihre Ergebnisse visuell darzustellen. Beispielsweise können Sie dies mit Hilfe eines Balkendiagramms mit Fehlerbalken (z. B. bei denen die Fehlerbalken die Standardabweichung, Standardfehler oder 95 Konfidenzintervalle sein könnten). Dies kann es einfacher für andere, Ihre Ergebnisse zu verstehen. Darüber hinaus wird zunehmend erwartet, dass Sie zusätzlich zu Ihren unabhängigen T-Testergebnissen Effektgrößen berichten. Effektgrößen sind wichtig, da der unabhängige t-Test Ihnen sagt, ob der Unterschied zwischen Gruppenmitteln real ist (d. H. In der Population unterschiedlich), aber nicht die Größe der Differenz. Während Stata diese Effektgrößen für Sie nicht mit diesem Verfahren erzeugt, gibt es ein Verfahren in Stata, um dies zu tun.