DUMMY VARIABLEREGRESSION MODELS1. Dummy variables, taking values of 1  terjemahan - DUMMY VARIABLEREGRESSION MODELS1. Dummy variables, taking values of 1  Bahasa Indonesia Bagaimana mengatakan

DUMMY VARIABLEREGRESSION MODELS1. D

DUMMY VARIABLE
REGRESSION MODELS

1. Dummy variables, taking values of 1 and zero (or their linear transforms),
are a means of introducing qualitative regressors in regression
models.
2. Dummy variables are a data-classifying device in that they divide a
sample into various subgroups based on qualities or attributes (gender,
marital status, race, religion, etc. ) and implicitly allow one to run individual
regressions for each subgroup. If there are differences in the response of the
regressand to the variation in the qualitative variables in the various subgroups,
they will be reflected in the differences in the intercepts or slope
coefficients, or both, of the various subgroup regressions.
3. Although a versatile tool, the dummy variable technique needs to be
handled carefully. First, if the regression contains a constant term, the number
of dummy variables must be one less than the number of classifications
of each qualitative variable. Second, the coefficient attached to the dummy
variables must always be interpreted in relation to the base, or reference,
group—that is, the group that receives the value of zero. The base chosen
will depend on the purpose of research at hand. Finally, if a model has several
qualitative variables with several classes, introduction of dummy variables
can consume a large number of degrees of freedom. Therefore, one
should always weigh the number of dummy variables to be introduced
against the total number of observations available for analysis.
4. Among its various applications, this chapter considered but a few.
These included (1) comparing two (or more) regressions, (2) deseasonalizing
time series data, (3) interactive dummies, (4) interpretation of dummies
in semilog models, and (4) piecewise linear regression models.
5. We also sounded cautionary notes in the use of dummy variables in
situations of heteroscedasticity and autocorrelation. But since we will cover
these topics fully in subsequent chapters, we will revisit these topics then.
0/5000
Dari: -
Ke: -
Hasil (Bahasa Indonesia) 1: [Salinan]
Disalin!
DUMMY VARIABELMODEL REGRESI1. dummy variabel, mengambil nilai-nilai 1 dan nol (atau transformasi linear mereka),sarana memperkenalkan kualitatif regressors di regresimodel.2. dummy variabel adalah perangkat mengklasifikasi data dalam bahwa mereka membagicontoh ke dalam berbagai sub-kelompok yang didasarkan pada kualitas atau atribut (gender,status perkawinan, ras, agama, dll.) dan secara implisit memungkinkan seseorang untuk menjalankan individuregresi untuk subgrup masing-masing. Jika ada perbedaan dalam responregressand untuk variasi dalam variabel kualitatif dalam berbagai sub-kelompok,mereka akan tercermin dalam perbedaan di penyadapan atau lerengKoefisien, atau keduanya, regresi subgrup berbagai.3. meskipun alat serbaguna, teknik variabel dummy perluditangani dengan hati-hati. Pertama, jika regresi berisi istilah yang konstan, nomordummy variabel harus menjadi salah satu kurang dari jumlah klasifikasiSetiap variabel yang kualitatif. Kedua, Koefisien melekat bonekavariabel harus selalu ditafsirkan sehubungan dengan dasar, atau referensi,Grup — yaitu kelompok yang menerima nilai nol. Tempat yang dipilihakan tergantung pada tujuan dari penelitian di tangan. Akhirnya, jika model memiliki beberapavariabel kualitatif dengan beberapa kelas, pengenalan dummy variabeldapat mengkonsumsi sejumlah besar derajat kebebasan. Oleh karena itu, salah satuselalu harus menimbang dummy variabel yang akan diperkenalkanterhadap jumlah pengamatan yang tersedia untuk analisis.4. antara berbagai aplikasi, Bab ini dianggap tapi beberapa.Ini termasuk regresi (1) membandingkan dua (atau lebih), (2) deseasonalizingtime series data, dummies interaktif (3), (4) penafsiran dummiesdalam model semilog, dan (4) piecewise model regresi linear.5. kami juga terdengar Catatan penting dalam penggunaan dummy variabel dalamsituasi heteroscedasticity dan Autokorelasi. Tapi karena kita akan menutupitopik ini sepenuhnya dalam bab-bab berikutnya, kami akan meninjau topik ini kemudian.
Sedang diterjemahkan, harap tunggu..
Hasil (Bahasa Indonesia) 2:[Salinan]
Disalin!
DUMMY VARIABLE
REGRESI MODEL

1. variabel Dummy, mengambil nilai-nilai dari 1 dan nol (atau transformasi linear mereka),
adalah sarana memperkenalkan regressors kualitatif dalam regresi
model.
2. Variabel Dummy adalah perangkat data mengelompokkan bahwa mereka membagi
sampel ke dalam berbagai sub kelompok berdasarkan kualitas atau atribut (jenis kelamin,
status perkawinan, ras, agama, dll) dan implisit memungkinkan seseorang untuk menjalankan individu
regresi untuk masing-masing sub-kelompok. Jika ada perbedaan respon dari
regressand dengan variasi dalam variabel kualitatif dalam berbagai sub kelompok,
mereka akan tercermin dalam perbedaan dalam penyadapan atau kemiringan
koefisien, atau keduanya, dari berbagai regresi subkelompok.
3. Meskipun alat serbaguna, variabel teknik boneka perlu
ditangani dengan hati-hati. Pertama, jika regresi berisi istilah konstan, jumlah
dari variabel dummy harus menjadi salah satu kurang dari jumlah klasifikasi
dari masing-masing variabel kualitatif. Kedua, koefisien melekat pada boneka
variabel harus selalu diartikan dalam kaitannya dengan dasar, atau referensi,
kelompok-yaitu, kelompok yang menerima nilai nol. Dasar yang dipilih
akan tergantung pada tujuan penelitian di tangan. Akhirnya, jika model memiliki beberapa
variabel kualitatif dengan beberapa kelas, pengenalan variabel dummy
dapat mengkonsumsi sejumlah besar derajat kebebasan. Oleh karena itu, salah satu
harus selalu mempertimbangkan jumlah variabel dummy untuk diperkenalkan
terhadap jumlah total pengamatan yang tersedia untuk analisis.
4. Di antara berbagai aplikasi, bab ini dianggap beberapa.
Ini termasuk (1) membandingkan dua (atau lebih) regresi, (2) deseasonalizing
data time series, (3) dummies interaktif, (4) interpretasi dummies
dalam model semilog, dan (4) model regresi piecewise linear.
5. Kami juga terdengar catatan peringatan dalam penggunaan variabel dummy di
situasi heteroskedastisitas dan autokorelasi. Tapi karena kita akan mencakup
topik-topik ini sepenuhnya di bab-bab berikutnya, kita akan kembali topik ini kemudian.
Sedang diterjemahkan, harap tunggu..
 
Bahasa lainnya
Dukungan alat penerjemahan: Afrikans, Albania, Amhara, Arab, Armenia, Azerbaijan, Bahasa Indonesia, Basque, Belanda, Belarussia, Bengali, Bosnia, Bulgaria, Burma, Cebuano, Ceko, Chichewa, China, Cina Tradisional, Denmark, Deteksi bahasa, Esperanto, Estonia, Farsi, Finlandia, Frisia, Gaelig, Gaelik Skotlandia, Galisia, Georgia, Gujarati, Hausa, Hawaii, Hindi, Hmong, Ibrani, Igbo, Inggris, Islan, Italia, Jawa, Jepang, Jerman, Kannada, Katala, Kazak, Khmer, Kinyarwanda, Kirghiz, Klingon, Korea, Korsika, Kreol Haiti, Kroat, Kurdi, Laos, Latin, Latvia, Lituania, Luksemburg, Magyar, Makedonia, Malagasi, Malayalam, Malta, Maori, Marathi, Melayu, Mongol, Nepal, Norsk, Odia (Oriya), Pashto, Polandia, Portugis, Prancis, Punjabi, Rumania, Rusia, Samoa, Serb, Sesotho, Shona, Sindhi, Sinhala, Slovakia, Slovenia, Somali, Spanyol, Sunda, Swahili, Swensk, Tagalog, Tajik, Tamil, Tatar, Telugu, Thai, Turki, Turkmen, Ukraina, Urdu, Uyghur, Uzbek, Vietnam, Wales, Xhosa, Yiddi, Yoruba, Yunani, Zulu, Bahasa terjemahan.

Copyright ©2024 I Love Translation. All reserved.

E-mail: