द्विचर - probit - इन - stata - विदेशी मुद्रा

डिजिटल रिसर्च और एजुकेशन स्टेटा इंस्टीट्यूट फॉर डिजिटल इंस्टीट्यूट के लिए धन्यवाद, उदाहरण के लिए इस पृष्ठ का कोड स्टैटा 12 में परीक्षण किया गया। प्रोबेट प्रतिगमन, जिसे प्रोटीट मॉडल भी कहा जाता है, का उपयोग द्विगोष्ट या द्विआधारी परिणाम चर मॉडल के लिए किया जाता है। प्रोबिट मॉडल में, संभाव्यता के व्युत्क्रम मानक सामान्य वितरण को भविष्यवाणियों के एक रैखिक संयोजन के रूप में दिखाया गया है। कृपया ध्यान दें: इस पृष्ठ का उद्देश्य यह दिखाना है कि विभिन्न डेटा विश्लेषण आदेशों का उपयोग कैसे करें। इसमें अनुसंधान प्रक्रिया के सभी पहलुओं को शामिल नहीं किया जाता है जो शोधकर्ताओं को करना अपेक्षित है। विशेष रूप से, इसमें डेटा सफाई और जांच, मान्यताओं का सत्यापन, मॉडल निदान और संभावित अनुवर्ती विश्लेषण शामिल नहीं हैं। उदाहरण 1: मान लीजिए कि हम उन कारकों में रुचि रखते हैं जो एक राजनीतिक उम्मीदवार को चुनाव जीतते हैं या नहीं। परिणाम (प्रतिक्रिया) चर द्विआधारी (01) जीत या हार है ब्याज की भविष्यवाचक चर इस अभियान पर खर्च किए गए धन की राशि है, जो कि समय-समय पर प्रचार अभियान खर्च करता है और क्या उम्मीदवार एक पदाधिकारी है। उदाहरण 2: स्नातक विद्यालय में प्रवेश के लिए स्नातक संस्थान की प्रतिष्ठा, जीआरए (ग्रेजुएट रिकॉर्ड एग्जाम स्कोर), जीपीए (ग्रेड पॉइंट औसत) और प्रतिष्ठा, चर के रूप में कैसे एक शोधकर्ता रुचि रखता है प्रतिक्रिया चर, admitdont प्रवेश, एक द्विआधारी चर है डेटा का विवरण नीचे हमारे डेटा विश्लेषण के लिए, हम स्नातक विद्यालय में आने के बारे में उदाहरण 2 पर विस्तार करने जा रहे हैं। हमने काल्पनिक डेटा तैयार किया है, जो हमारी वेबसाइट से प्राप्त किया जा सकता है। इस डेटा सेट में बाइनरी रिस्पॉन्स (परिणाम, आश्रित) चर नामांकित है तीन भविष्यवक्ता चर: ग्रीक हैं। जीपीए और रैंक हम वैरिएबल ग्रीक और जीपीए को सतत के रूप में मानेंगे। चर रैंक क्रमफल है, यह 1 से 4 के मूल्यों पर ले जाता है। 1 के रैंक वाले संस्थानों में सर्वोच्च प्रतिष्ठा है, जबकि 4 के रैंक वाले लोग सबसे कम हैं हम पद के रूप में स्पष्ट रूप से इलाज करेंगे जिन विश्लेषण विधियों पर आप विचार कर सकते हैं, वे नीचे दिए गए कुछ विश्लेषण विधियों की सूची है सूचीबद्ध कुछ विधियां काफी उचित हैं, जबकि अन्य ने या तो पक्षपात से बाहर हो या सीमाएं हैं प्रतिगमन को चालू करें, इस पृष्ठ का फ़ोकस करें। रसद प्रतिगमन। एक लॉगिट मॉडल इसी तरह की प्रोबिट रिग्रेसन परिणाम उत्पन्न करेगा I प्रॉफिट बनाम लॉगटी का विकल्प व्यक्तिगत प्राथमिकताएं पर निर्भर करता है। ओएलएस प्रतिगमन जब द्विआधारी प्रतिक्रिया चर के साथ प्रयोग किया जाता है, तो यह मॉडल एक रैखिक संभावना मॉडल के रूप में जाना जाता है और सशर्त संभावनाओं का वर्णन करने के लिए एक तरीका के रूप में उपयोग किया जा सकता है। हालांकि, रैखिक संभावना मॉडल से त्रुटियों (अर्थात शेष) ओएलएस प्रतिगमन के गलतियों की गलतियों के समरूपता और सामान्यता का उल्लंघन करती है, जिसके परिणामस्वरूप अमान्य मानक त्रुटियों और परिकल्पना परीक्षण होते हैं। रैखिक संभावना मॉडल के साथ इन और अन्य समस्याओं की अधिक गहन चर्चा के लिए, लांग (1997, पृष्ठ 38-40) देखें। दो-समूह भेदभाव समारोह विश्लेषण द्विपातिक परिणाम चर के लिए एक बहुभिन्नरूपी विधि Hotellings T 2. 01 परिणाम समूह चर में बदल गया है, और पूर्व predictors परिणाम चर में बदल रहे हैं। यह महत्व का एक समग्र परीक्षण का उत्पादन करेगा, लेकिन प्रत्येक चर के लिए अलग-अलग गुणांक नहीं देगा, और यह स्पष्ट नहीं है कि किस प्रकार प्रत्येक उद्धरण चिह्न को अन्य उद्धरणों के प्रभाव के लिए समायोजित किया जाता है। प्रश्नोत्तरी प्रतिगमन प्रोबेट कमांड का इस्तेमाल करने के लिए हम प्रोबेट प्रतिगमन मॉडल मैं रैंक से पहले यह इंगित करता है कि रैंक एक कारक वैरिएबल (यानि स्पष्ट वैरिएबल) है, और यह मॉडल में सूचक चर की एक श्रृंखला के रूप में शामिल किया जाना चाहिए। ध्यान दें कि यह सिंटैक्स स्टैटा 11 में पेश किया गया था। ऊपर दिए गए आउटपुट में, हम पहले चलने वाले लॉग को देखते हैं, यह इंगित करता है कि मॉडल को कितनी तेजी से इकट्ठा किया गया। लॉग की संभावना (-22 9.20658) नेस्टेड मॉडलों की तुलना में इस्तेमाल किया जा सकता है, लेकिन हम इसके उदाहरण का एक उदाहरण नहीं दिखाते हैं। इसके अलावा आउटपुट के शीर्ष पर हम देखते हैं कि हमारे डेटा सेट के सभी 400 निरीक्षणों का उपयोग विश्लेषण में किया गया था (हमारे अवलोकनों में से कोई भी वैल्यू नहीं है अगर कम अवलोकन प्रयोग किया गया होता) 0.000101 की पी-मान के साथ 41.56 की संभावना अनुपात ची-स्क्वायर हमें बताता है कि हमारे पूरे मॉडल सांख्यिकीय रूप से महत्वपूर्ण है, यह है कि यह किसी मॉडल के मुकाबले काफी बेहतर फिट बैठता है, जिसमें कोई अनुमान नहीं है। तालिका में हम गुणांक, उनकी मानक त्रुटियों, जेड-आंकड़े, संबद्ध पी-मान, और गुणकों के 95 आत्मविश्वास अंतराल को देखते हैं। दोनों gre जीपीए और रैंक के लिए तीन सूचक चर सांख्यिकीय रूप से महत्वपूर्ण हैं। प्रोबेट प्रतिगमन गुणांक ने भविष्यवक्ता में एक इकाई परिवर्तन के लिए z-score या probit सूचकांक में परिवर्तन दिया है। ग्रिल में एक इकाई वृद्धि के लिए z-score 0.001 से बढ़ता है जीपीए में प्रत्येक एक यूनिट के लिए बढ़ोतरी z स्कोर 0.478 से बढ़ता है। रैंक के लिए सूचक चर एक थोड़ा अलग व्याख्या है। उदाहरण के लिए, 2 के रैंक के एक स्नातक संस्थान में भाग लेते हुए, एक रैंक (1 संदर्भ समूह) के साथ एक संस्था बनाम, 0.415 द्वारा z - स्कोर कम करता है। हम टेस्ट कमान का उपयोग करके रैंक के संपूर्ण प्रभाव के लिए परीक्षण कर सकते हैं। नीचे हम देखते हैं कि रैंक का समग्र प्रभाव सांख्यिकीय रूप से महत्वपूर्ण है। हम रैंक के विभिन्न स्तरों के लिए गुणांकों में अंतर के बारे में अतिरिक्त अनुमानों का परीक्षण भी कर सकते हैं। नीचे हम यह जांचते हैं कि रैंक 2 के गुणांक रैंक 3 के गुणांक के बराबर है। आप मॉडल को समझने में सहायता के लिए अनुमानित संभाव्यताओं का भी उपयोग कर सकते हैं। आप मार्जिन कमांड का उपयोग करके भविष्यवाणी की संभावनाओं की गणना कर सकते हैं, जो स्टेटा 11 में पेश किया गया था। नीचे हम रैंक के प्रत्येक स्तर पर प्रवेश की भविष्यवाणी की संभावना की गणना के लिए मार्जिन कमांड का उपयोग करते हैं। मॉडल में अपने सभी तरीकों को अपने साधनों पर रखते हुए पूर्वानुमानित संभावनाओं की गणना करने के लिए मार्जिन कमांड का उपयोग करने के बारे में अधिक जानकारी के लिए, हमारे पेज को भविष्यवाणी की संभावनाओं के लिए मार्जिन का उपयोग करना देखें। उपरोक्त आउटपुट में हम देखते हैं कि स्नातक कार्यक्रम में स्वीकार किए जाने की भविष्यवाणी की संभाव्यता उच्चतम प्रतिष्ठा स्नातक संस्थानों (रैंक 1) के लिए 0.52 है, और निम्नतम रैंक वाली संस्थाओं (रैंक 4) के लिए 0.1 9 है, नीचे हम ग्रेट के मूल्यों की 200 से 800 के मूल्यों के लिए अनुमानित संभाव्यता उत्पन्न करते हैं 100. क्योंकि हमने या तो atmeans को निर्दिष्ट नहीं किया है या उन मानों को निर्दिष्ट करने के लिए उपयोग किया है, जिस पर अन्य प्रिकेटर चर रखा जाता है, तालिका में मान हैं औसत अनुमानित संभाव्यता, अन्य पूर्वानुमानकर्ता चर के नमूना मूल्यों का उपयोग करके गणना की गई है। उदाहरण के लिए, औसत अनुमानित संभाव्यता की गणना करने के लिए जब gre 200, अनुमानित संभावना प्रत्येक मामले के लिए गणना की गई थी, उस स्थिति का उपयोग करके रैंक और जीपीए का मूल्य। उपरोक्त तालिका में हम देख सकते हैं कि स्वीकार्य होने की संभावना का अनुमान केवल 0.16 है अगर जीआरई स्कोर 200 है और 0.42 हो जाता है, यदि जीआरई स्कोर 800 है (जीपीए और रैंक के नमूना मूल्यों में औसत )। मॉडल को प्रस्तुत करने और समझने के लिए पूर्वानुमानित संभावनाओं के ग्राफ का उपयोग करने के लिए भी उपयोगी हो सकता है। हम यह भी देख सकते हैं कि हमारे मॉडल को कितनी अच्छी तरह फिट बैठता है। प्रतिस्पर्धा मॉडल की तुलना करते समय यह विशेष रूप से उपयोगी हो सकता है उपयोगकर्ता द्वारा लिखित कमान फिटस्टैट विभिन्न प्रकार के फिट आँकड़े बनाती है Findst fitstat टाइप करके फिटस्टेट पर अधिक जानकारी प्राप्त कर सकते हैं (देखें कि मैं प्रोग्राम को खोजने के लिए कैसे खोजी कमांड का उपयोग कर सकता हूं और खोज के उपयोग के बारे में अधिक जानकारी के लिए अतिरिक्त सहायता प्राप्त कर सकता हूं)। रिक्त कोशिकाओं या छोटे कक्षों पर विचार करने के लिए चीजें: स्पष्ट पूर्वानुमानियों और परिणाम चर के बीच क्रॉसस्टैब करके खाली या छोटे कक्षों की जांच करनी चाहिए। यदि एक कक्ष में बहुत कम मामलों (एक छोटा सेल) है, तो मॉडल अस्थिर हो सकता है या यह बिल्कुल भी नहीं चल सकता है। पृथक्करण या अर्ध-पृथक्करण (जिसे पूर्ण भविष्यवाणी भी कहा जाता है), ऐसी स्थिति जिसमें परिणाम स्वतंत्र चर के कुछ स्तरों पर भिन्न नहीं होता है। हमारा पृष्ठ अक्सर पूछे जाने वाले प्रश्न: लॉगिस्टिकप्रोबिट प्रतिगमन में पूरा या अर्ध-पूर्ण जुदाई क्या है और हम सही भविष्यवाणियों के साथ मॉडल के बारे में जानकारी के लिए कैसे व्यवहार करते हैं। नमूना आकार: प्रोबिट और लॉजिट मॉडल दोनों में ओएलएस प्रतिगमन की तुलना में अधिक मामलों की आवश्यकता होती है क्योंकि वे अधिकतम संभावना अनुमान तकनीकों का उपयोग करते हैं। डेटासेट में द्विआधारी परिणामों के लिए मॉडल का अनुमान लगाने के लिए कभी-कभी संभव है, सटीक रिक्तियां रिग्रेसन (एक्सलोगिस्टिक कमांड का उपयोग करके) का उपयोग करके केवल कुछ ही मामलों में। अधिक जानकारी के लिए सटीक रसद प्रतिगमन के लिए हमारा डेटा विश्लेषण उदाहरण देखें। यह भी ध्यान में रखना महत्वपूर्ण है कि जब परिणाम बहुत कम होता है, भले ही संपूर्ण डाटासेट बड़ा हो, तो एक मॉडल का अनुमान लगाने में मुश्किल हो सकती है। छद्म - R - वर्ग: psuedo-R - squared के कई अलग-अलग उपाय मौजूद हैं। वे सभी को ओएलएस प्रतिगमन में आर-स्क्ववर्ड द्वारा प्रदान की गई जानकारी के समान जानकारी प्रदान करने का प्रयास करते हैं, हालांकि उनमें से कोई भी ठीक से व्याख्या नहीं की जा सकती है क्योंकि ओएलएस प्रतिगमन में आर-स्क्वायर व्याख्या की गई है। विभिन्न छद्म-आर-स्क्वेर के बारे में चर्चा के लिए लांग एंड फ्रेज़ (2006) या हमारे अकसर किये गए पृष्ठ देखें, छद्म आर-स्क्वेर, स्टैट्स में क्या है, 0 के मान को परिणाम वैरिएबल के एक स्तर के रूप में माना जाता है, और अन्य सभी गैर-अनुपलब्ध मान परिणाम के दूसरे स्तर के रूप में माना जाता है डायग्नोस्टिक्स: प्रोस्टेट प्रतिगमन के लिए निदान ओएलएस प्रतिगमन के लिए अलग हैं प्रोबिट मॉडल के लिए निदान उन लोगों के समान हैं जो लॉजिट मॉडल हैं। रिक्तिगत प्रतिगमन के लिए मॉडल निदान के बारे में चर्चा के लिए, होस्मर और लेमेसो (2000, अध्याय 5) देखें। सन्दर्भ होस्मर, डी। लेमेसो, एस (2000)। व्यावहारिक उपस्कर प्रतिगमन (द्वितीय संस्करण) न्यूयॉर्क: जॉन विली सन्स, इंक लांग, जे स्कॉट (1 99 7) श्रेणीबद्ध और सीमित निर्भर चर के लिए प्रतिगमन मॉडल हजार ओक्स, सीए: ऋषि प्रकाशन इस वेब साइट की सामग्री को कैलिफ़ोर्निया विश्वविद्यालय द्वारा किसी विशेष वेब साइट, किताब या सॉफ़्टवेयर उत्पाद का समर्थन नहीं माना जाना चाहिए। बीओपीआरआईबीआईटी: बीवीआरएटी के लिए स्टेटा मॉड्यूल प्रोबेट प्रतिगमन का आदेश दिया गया सुधार के लिए अनुरोध करते समय, कृपया इस मद को संभाल लें: RePEc: बीओसी: bocode: s456920। रीपीसी में सामग्री को कैसे ठीक करें, इसके बारे में सामान्य जानकारी देखें इस मद से संबंधित तकनीकी प्रश्नों के लिए, या अपने लेखकों, शीर्षक, सार, ग्रंथ सूची या डाउनलोड जानकारी को सही करने के लिए संपर्क करें: (क्रिस्टोफर एफ बैम) यदि आपने यह आइटम लिखा है और अभी तक रीपीसी के साथ पंजीकृत नहीं हैं, तो हम आपको इसे यहां करने के लिए प्रोत्साहित करते हैं । यह आपकी प्रोफ़ाइल को इस आइटम से लिंक करने की अनुमति देता है यह आपको इस मद के संभावित उद्धरणों को स्वीकार करने की भी अनुमति देता है, जिसके बारे में हम अनिश्चित हैं। यदि संदर्भ पूरी तरह से गायब हैं, तो आप उन्हें इस फ़ॉर्म का उपयोग कर जोड़ सकते हैं। यदि पूर्ण संदर्भ में कोई आइटम सूचीबद्ध है जो रीपीक में मौजूद है, लेकिन सिस्टम इसका लिंक नहीं करता है, तो आप इस फ़ॉर्म के साथ मदद कर सकते हैं। यदि आप इस एक का हवाला देते हुए याद किए गए सामानों के बारे में जानते हैं, तो आप प्रत्येक रीफरिंग मद के लिए ऊपर दिए गए अनुसार प्रासंगिक संदर्भ जोड़कर उन लिंक्स बनाने में हमारी सहायता कर सकते हैं। यदि आप इस मद के एक पंजीकृत लेखक हैं, तो आप अपनी प्रोफ़ाइल में उद्धरण टैब की जांच भी कर सकते हैं, क्योंकि कुछ प्रशस्तियां पुष्टि के लिए प्रतीक्षा कर सकती हैं। कृपया ध्यान दें कि संशोधनों को विभिन्न रीपीसी सेवाओं के माध्यम से फिल्टर करने के लिए कुछ सप्ताह लग सकते हैं। अधिक सेवाओं श्रृंखला, पत्रिकाओं, लेखकों amp का पालन करें ईमेल के द्वारा और अधिक नए कागजात आरईपीईसी के लिए नए जोड़ों की सदस्यता लेखक पंजीकरण अर्थशास्त्र के शोधकर्ताओं के लिए सार्वजनिक प्रोफाइल अर्थशास्त्र amp संबंधित क्षेत्रों में अनुसंधान की विभिन्न रैंकिंग कौन रीप्सी RePEc Biblio Curated लेख amp का उपयोग कर एक छात्र था विभिन्न अर्थशास्त्र विषयों पर कागज़ात रीपैक और आईडीईएस पर सूचीबद्ध होने के लिए अपना पेपर अपलोड करें अर्थशास्त्र अनुसंधान के लिए ब्लॉग एग्रीगेटर ईकाईक्स में साहित्यिक चोरी के साहित्यिक साहित्य जॉब मार्केट पेपर्स के लिए रीपीक काम कर रहे पेपर सीरीज़ काल्पनिक लीग आपको एक अर्थशास्त्र के शीर्ष पर दिखाना है विभाग सेंट लुई फेड से अधिक एसटीएल फेड डेटा, अनुसंधान, ऐप एप से सेवाएं