[課業] 迴歸作業

看板NTHU_STAT97作者 (Nothing but Net)時間16年前 (2009/10/25 18:35), 編輯推噓1(1推 0噓 2→)
留言3則, 2人參與, 最新討論串1/1
作者 wearytolove (奪真書生A.W.) 站內 Baseball 標題 [分享] 本次冠軍戰前六戰的迴歸分析 時間 Sun Oct 25 18:18:30 2009 ─────────────────────────────────────── 因為這次比賽太有趣了,所以就來分析一下 獲勝code為win,有贏=1,沒贏=0 得分code為scores 安打code為hits 失誤code為error 對方的失誤code為erroroth 要跑迴歸,假設win為dependent variable,其他為independent 也就是以是否獲勝為應變數,其他數值為自變數 假設 獲勝=β0+β1得分+β2安打數+β3失誤+β4對方失誤+誤差項 要跑迴歸,所以先對自變數做兩兩相關性,避免correlation 此時就發現一些很有趣的事......... corr scores hit(obs=12) | scores hit -------------+------------------ scores | 1.0000 hit | 0.1118 1.0000 對兩隊來說,得分跟安打是低度相關..........XDDDDDDDDDDDDDDDDDDDDDDD . corr hit error(obs=12) | hit error -------------+------------------ hit | 1.0000 error | 0.2612 1.0000 相對得分來說,自己隊上失誤越多,安打似忽也越多,這是將功贖罪 . corr scores erroroth(obs=12) | scores erroroth -------------+------------------ scores | 1.0000 erroroth | -0.2592 1.0000 更白癡的東西出現了....自己隊的得分跟對方的失誤是負相關, 對方失誤越多我們得分越少 其它項都是低度相關的,包括我們與對方的失誤之間不會傳染 我方安打與對方失誤之間也是沒關的 總之,看起來是沒有高度相關,是可以跑個迴歸分析了 因為win這個變數是二元變數,應該要用二元勝算對數模型 可是因為這次比賽有太多5分,所以自由度太低,因此只好將就用迴歸來跑 . reg win scores hit error erroroth, level(90) Source | SS df MS Number of obs = 12 -------------+------------------------------ F( 4, 7) = 2.95 Model | 1.8823801 4 .470595025 Prob > F = 0.1009 Residual | 1.1176199 7 .159659985 R-squared = 0.6275 -------------+------------------------------ Adj R-squared = 0.4146 Total | 3 11 .272727273 Root MSE = .39957 ------------------------------------------------------------------------------ win | Coef. Std. Err. t P>|t| [90% Conf. Interval] -------------+---------------------------------------------------------------- scores | .1484783 .0635332 2.34 0.052 .0281096 .2688469 hit | -.0084895 .0414875 -0.20 0.844 -.0870909 .0701119 error | .1206245 .0564339 2.14 0.070 .0137061 .2275428 erroroth | -.0662256 .0560804 -1.18 0.276 -.1724743 .040023 _cons | -.2758375 .513328 -0.54 0.608 -1.248378 .6967028 ------------------------------------------------------------------------------ 跑完迴歸後,對係數不拒絕等於0的跑F-test,不拒絕,hit跟erroroth可以同時等於零 也就是......發生了很好笑的事了.................. 幾個結論(假設90%信心水準) 1.每多得1分,勝率約增加15% 2.我方安打數量與我方是否會獲勝是獨立的,完全沒影響 3.我方每多失誤一次,勝率約增加12%,跟我方安打效果一樣 4.對方失誤數量與我方是否會獲勝是獨立的,完全沒影響 ------------ 對於樣本抽樣來說,總冠軍賽有其特殊性, 考量到兩隊都會認真打的情況下,其資料理應更接近棒球比賽實際情況 而跑完迴歸分析後,發現這樣的值顛覆了一般人對棒球的常識 對於兩隊總教練來說,.... 隊員是否打安打不重要 是否要詛咒對方失誤不重要 重要的是,要我方求員盡量失誤!!!!!!!!!! XDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDD -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.112.5.19
推
10/25 18:18,
這樣也接不到
10/25 18:18
推
10/25 18:18,
用stata嗎 XD
10/25 18:18
→
10/25 18:19,
是AR model嗎?
10/25 18:19
→
10/25 18:19,
喔喔~ 原來是這樣啊~
10/25 18:19
推
10/25 18:19,
XD
10/25 18:19
推
10/25 18:19,
趕快推.....不然會被以為看不懂 XD
10/25 18:19
→
10/25 18:19,
難怪象隊靠自己失誤贏球
10/25 18:19
噓
10/25 18:20,
這一篇文章值 35 元
10/25 18:20
推
10/25 18:20,
我想起了LRF
10/25 18:20
推
10/25 18:20,
嗯嗯嗯!我懂!我懂!
10/25 18:20
推
10/25 18:20,
XD
10/25 18:20
→
10/25 18:20,
是經濟所的嗎
10/25 18:20
推
10/25 18:20,
明明就很專業..
10/25 18:20
→
10/25 18:20,
大家快點笑不然會被人家說我們看不懂英文
10/25 18:20
推
10/25 18:20,
看完後爆笑~~
10/25 18:20
推
10/25 18:20,
dora看不懂只好亂噓XD
10/25 18:20
推
10/25 18:20,
胖伸:我們是失誤野球
10/25 18:20
推
10/25 18:20,
ANOVA
10/25 18:20
→
10/25 18:20,
嘿嘿~被發現
10/25 18:20
→
10/25 18:20,
啊就明明是統計學...
10/25 18:20
推
10/25 18:20,
安打無用論
10/25 18:20
→
10/25 18:20,
難不成是學長po的嗎XD
10/25 18:20
→
10/25 18:21,
計量經濟也會用到阿
10/25 18:21
推
10/25 18:21,
CPBL:我們有自己的玩法
10/25 18:21
推
10/25 18:21,
有沒有統計LOB和勝利的關係
10/25 18:21
→
10/25 18:21,
原po可以轉到經濟版去嗎? 很有趣XD
10/25 18:21
推
10/25 18:23,
end
10/25 18:23
→
10/25 18:24,
專業!!
10/25 18:24
推
10/25 18:24,
還滿有趣的
10/25 18:24
推
10/25 18:24,
有笑有推
10/25 18:24
→
10/25 18:24,
應該不能用的變數卻很白爛的低度相關
10/25 18:24
→
10/25 18:24,
觀察值太少= = 應該要把前面幾年的都納進來
10/25 18:24
→
10/25 18:25,
可以寫期刊
10/25 18:25
推
10/25 18:25,
伸數據檔XD
10/25 18:25
→
10/25 18:25,
這就統計學呀...
10/25 18:25
推
10/25 18:25,
推統計分析XD，要不要提供給展元
10/25 18:25
→
10/25 18:25,
是今年太特殊了 所以才有這個結果@@"
10/25 18:25
補上當時後續推文
噓
10/25 18:30,
二元變數要用離散型GLM，模型錯誤解釋意義不大
10/25 18:30
推
10/25 18:32,
模型錯了，其他分析都是垃圾，騙鄉民還真容易…
10/25 18:32
噓
10/25 18:33,
模型F-test沒過，模型不顯著，以此模型解釋數據太過武斷
10/25 18:33
推
10/25 18:39,
樣本數也太少了吧
10/25 18:39
推
10/25 18:59,
打完再跑一次,給明年參考
10/25 18:59
-- [Both at top speed on the New Goblin's glider] Spider-Man: This thing got any more? New Goblin: Hang on! Spider-Man: To what? -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.114.36.74
→
10/25 18:35, , 1F
開放大家來找碴
10/25 18:35, 1F
推
10/27 00:36, , 2F
模型本身就有問題 雖然他自己有點出來 後續分析還要看嗎??
10/27 00:36, 2F
→
10/27 00:53, , 3F
居然只有學長要回這篇…哭哭…我以為大家對統計很熱情～
10/27 00:53, 3F
※ 編輯: jasonkeen 來自: 140.114.36.74 (10/27 00:53)
‣ 更多 jasonkeen 的文章
文章代碼(AID): #1Av2dObm (NTHU_STAT97)