स्टैटा फॉरेक्स में वैरिएड मानकीकृत करें

हालांकि शब्दावली एक विवादास्पद विषय है, मैं स्पष्टीकरणीय चर, भविष्यवक्ता चर को कॉल करना पसंद करता हूं। भविष्यवाणियों को मानकीकृत करने के लिए: कई रेखीय प्रतिगमन करने के लिए कई सॉफ्टवेयर मानकीकृत गुणांकों को प्रदान करेगा, जो अप्रतिबंधित गुणांक के बराबर हैं, जहां आप मैन्युअल रूप से अनुमानक और प्रतिक्रिया वाले मानकीकृत मानते हैं (ज़ाहिर है, ऐसा लगता है कि आप केवल भविष्यवाणियों के मानकीकरण के बारे में बात कर रहे हैं)। मेरी राय है कि मानकीकरण प्रतिगमन समीकरणों को और अधिक सार्थक बनाने के लिए एक उपयोगी उपकरण है। यह उन मामलों में विशेष रूप से सच है, जहां चर के मीट्रिक का अर्थ प्रतिगमन समीकरण (जैसे मनमाना मीट्रिक पर एक मनोवैज्ञानिक पैमाने) की व्याख्या करने वाले व्यक्ति को होता है। इसका उपयोग भविष्यवाचक चर के सापेक्ष महत्व की तुलनात्मकता को आसान बनाने के लिए भी किया जा सकता है (हालांकि सापेक्ष महत्व का आकलन करने के लिए अन्य अधिक परिष्कृत दृष्टिकोण चर्चा के लिए मेरी पोस्ट देखें)। उन मामलों में जहां मीट्रिक का प्रतिगमन समीकरण की व्याख्या करने वाले व्यक्ति को इसका अर्थ होता है, अनिर्धारित गुणांक अक्सर अधिक जानकारीपूर्ण होते हैं मुझे यह भी लगता है कि मानकीकृत वैरिएबल पर भरोसा यह तथ्य से दूर ध्यान दे सकता है कि हमने रीडर के लिए और अधिक सार्थक एक चर का मीट्रिक कैसे बनाया है इसके बारे में नहीं सोचा है। एंड्रयू जेलमैन विषय पर कहने के लिए एक निष्पक्ष बिट है। उदाहरण के लिए मानकीकरण पर अपना पेज देखें और विशेष रूप से गेलमैन (2008, आँकड़े मेड, मुफ़्त पीडीएफ) स्टैंडर्सिशन पर आधारित पूर्वानुमान: मैं पूर्वानुमान के लिए मानकीकृत प्रतिगमन गुणांक का उपयोग नहीं करेगा। यदि आप मूल नमूने में भविष्यवाचक चर का माध्य और मानक विचलन जानते हैं, तो आप हमेशा मानकीकृत गुणांकों को अप्रतिबंधित गुणांक में परिवर्तित कर सकते हैं। माइकल बिशप मैं उन संदर्भों की सोच रहा हूँ जहां आप अपना प्रतिगमन मॉडल लेते हैं और नमूना डेटा से बाहर होने की भविष्यवाणी के लिए इसे लागू करते हैं। सामान्य तौर पर, आप बिना निष्पादित भविष्यवाणियां चाहते हैं इसके अलावा, इसका मतलब है और मानक विचलन अनस्टेन्ड्रॉरिज्ड भविष्यवक्ताओं के उपयोग के नमूने में बदल सकते हैं इसलिए इस प्रकार अधिक सार्थक परिणाम दें। ndash Jeromy Anglim Dec 2 11 at 4:06 मैं एक छोटे से उत्तर आटा के साथ उत्तर देता हूं, इससे पहले लिखा गया श्रेष्ठ उत्थान के साथ ओवरलैप हो सकता है। हमेशा स्टैंडअलाइज़ करें, जो आपको प्रतिगमन, विशेष रूप से प्रतिगमन के गुणांकों को बेहतर ढंग से व्याख्या करने की अनुमति देता है नए डेटा के लिए जो कि स्टैंडअलाइज़ नहीं है, मैं आपको उन मानों को संग्रहीत करने की सलाह देता हूं जिन्हें आप प्रत्येक वैरिएबल के लिए उपयोग करते हैं, जैसे कि अधिकतम और न्यूनतम, और फिर पहले ही छद्म डेटासेट में आपके द्वारा किए गए परिवर्तन को करें, लेकिन इसके लिए एकल उदाहरण। मानदंड मॉडल के लिए विभिन्न भिन्नताओं के वजन के बारे में है। यदि आप केवल सांख्यिकीय स्थिरता के लिए मानकीकरण करते हैं, तो परिवर्तन हो सकते हैं जो बहुत ही संख्यात्मक गुण उत्पन्न करते हैं लेकिन अलग-अलग भौतिक अर्थ जो व्याख्या के लिए अधिक उपयुक्त हो सकते हैं। यह केंद्र के लिए सच है, जो आमतौर पर मानकीकरण का हिस्सा है। परिस्थितियाँ, जहां आप शायद मानकीकृत करना चाहते हैं: चर भिन्न भौतिक मात्राएं हैं और संख्यात्मक मान परिमाण के बहुत अलग तराजू पर हैं और कोई बाहरी ज्ञान नहीं है कि उच्च (संख्यात्मक) भिन्नता वाले चर को अधिक महत्वपूर्ण माना जाना चाहिए। ऐसी परिस्थितियां जहां आप मानकीकृत नहीं करना चाहते हैं: यदि चर एक ही भौतिक मात्रा हैं, और (लगभग) एक ही परिमाण के हैं, उदा। अलग-अलग तरंग दैर्ध्य उत्सर्जन तीव्रता (अन्यथा एक ही माप परिस्थितियों) पर अलग-अलग तरंग दैर्ध्यों पर विभिन्न रासायनिक प्रजातियों के अवशोषण के सापेक्ष सांद्रता निश्चित रूप से उन चर को मानकीकृत नहीं करना चाहते हैं जो नमूनों (बेसलाइन चैनल) के बीच नहीं बदलते हैं - आप केवल माप शोर को उड़ा सकते हैं (आप बजाय उन्हें मॉडल से बाहर करना चाहते हैं) यदि आपके पास ऐसे शारीरिक रूप से संबंधित चर हैं, तो आपके माप शोर मोटे तौर पर सभी चर के लिए हो सकते हैं, लेकिन संकेत की तीव्रता में बहुत कुछ भिन्न होता है। अर्थात। कम मूल्यों के साथ चर उच्च रिश्तेदार शोर है। मानकीकरण शोर को उड़ा देगा। दूसरे शब्दों में, आपको यह तय करना पड़ सकता है कि क्या आप रिश्तेदार या पूर्ण शोर को मानकीकृत करना चाहते हैं। शारीरिक रूप से सार्थक मूल्य हो सकते हैं, जिनका उपयोग आप अपने मापा मूल्य को संबंधित करने के लिए कर सकते हैं, उदा। संचारित तीव्रता (ट्रांसमिशन टी) के प्रसारित तीव्रता उपयोग प्रतिशत के बजाय आप कुछ के बीच में कर सकते हैं, और वेरिएबल को बदल सकते हैं या इकाई चुन सकते हैं ताकि नए चर का भौतिक अर्थ हो, लेकिन संख्यात्मक मूल्य में भिन्नता अलग नहीं है, उदा। यदि आप चूहों के साथ काम करते हैं, आधार इकाई किलो और मी (भिन्नता की अपेक्षाकृत सीमा 0.005 किग्रा और 0.05 मीटर - परिमाण के एक आदेश) के बजाय शरीर के वजन जी और सेमी में लंबाई (दोनों के लिए 5 के बारे में भिन्नता की अपेक्षित सीमा) का उपयोग करें। उपरोक्त संप्रेषण के लिए, आप अवशोषण ए-लैग टी का प्रयोग करने पर विचार कर सकते हैं, जो कि केन्द्रिंग के लिए समान है: हो सकता है कि (शारीरिक रूप से शारीरिक तौर पर।) उपलब्ध सार्थक आधारभूत मूल्य (उदाहरण के लिए, नियंत्रण, अंधा, इत्यादि) क्या मतलब वास्तव में सार्थक है (औसत मानव एक अंडाशय और एक वृषण) सारिकन: अंजीर पर एक नज़र है। 1 इस आलेख में: अमेरिकन लैबोरेटरी 9 13-जैविक और भौतिक-रासायनिक कारणों के लिए तकनीकी-अनुच्छेद, 2000 और 2700 सेमी के बीच सीमा में कोई संकेत नहीं हैं। इस क्षेत्र का उपयोग आधार रेखा का अनुमान लगाने के लिए किया जा सकता है (भौतिक प्रभाव से जो रमन नहीं हैं) जो तब घटाया जाता है। ये बदलाव तब लगभग शून्य और कुछ शोर होंगे। ndash cbeleites 7 दिसंबर 13 21:32 मैं अपने दावे से सवाल है कि पूर्वोत्तर मानकों को सामान्य रूप से अनुशंसित नहीं किया जाता है, विशेष रूप से जब इंटरैक्शन शामिल होते हैं। नॉट गेलमैन और हिल, न ही राउडेनबुश एम्प्रे ब्रिक उनके ग्रंथों में इस चिंता का उल्लेख करते हैं। लेकिन जब मेरे पास एक मौका है तो मैं उन संदर्भों को देखूंगा जिन पर आप ब्याज का उल्लेख करते हैं। ndash माइकल बिशप 1 दिसंबर, 1 9 में 20:16 यदि हम स्केलिंग वैरिएबल के रूप में कैलिब्रेशन ब्रह्माण्ड का उपयोग करते हैं, तो स्केलिंग स्टॉकेस्टिक नहीं है ndash adam Jan 28 15 at 21:33 आपका उत्तर 2017 स्टैक एक्सचेंज, इंक