作者查詢 / Tinderstick

總覽項目：發文 | 留言 | 暱稱

作者 Tinderstick 在 PTT [ Statistics ] 看板的留言(推文), 共54則

限定看板：Statistics

首頁

尾頁

[問題] 想請問bootstrape跑OR

[ Statistics ]26 留言, 推噓總分: +7

作者: marki - 發表於 2021/06/12 11:12(4年前)

10^F推Tinderstick: 你的 CI 沒考慮到部分 IV 為插補值所帶來的估計誤差06/13 13:09

11^F推Tinderstick: 抱歉，更正一下06/13 13:40

12^F推Tinderstick: 你的 CI 沒考慮到插補 IV 的誤差與估計 OR 的誤差之06/13 13:45

13^F→Tinderstick: 間的交互作用06/13 13:45

14^F推Tinderstick: 在 iid 的前提下，或許可在 bootstrap 裡改用 leave-06/13 13:51

15^F→Tinderstick: one-out logistic regression06/13 13:51

16^F推Tinderstick: leave-one-out cross-validation logistic regressio06/13 14:51

19^F推Tinderstick: 抱歉，好像沒那麼複雜，我想到我的問題去了。你的 re06/13 23:38

20^F→Tinderstick: sampling procedure 應該可以捕捉插補誤差和估計誤差06/13 23:38

21^F→Tinderstick: ，只要每一次 bootstrap replication 都包含這兩個步06/13 23:38

22^F→Tinderstick: 驟即可06/13 23:38

[問題] 一個迴歸的題組

[ Statistics ]4 留言, 推噓總分: +2

作者: koaki - 發表於 2021/05/02 15:26(4年前)

4^F推Tinderstick: (3) lnX變動1單位，近似於X變動1%(由泰勒展開式可知)05/02 21:53

[問題] 反事實因果跟PSM的問題

[ Statistics ]26 留言, 推噓總分: +3

作者: hussard11 - 發表於 2020/06/20 01:22(5年前)

1^F推Tinderstick: 1. 改用 teffects psmatch (Y) (T covariates)06/20 09:48

2^F→Tinderstick: 2. 看不太懂問題，PSM 是先算出 propensity score06/20 09:49

3^F→Tinderstick: 不會利用特定變項來配對06/20 09:50

4^F→Tinderstick: 所以你或許可以改用 teffects nnmatch 搭配 ematch06/20 09:51

5^F推Tinderstick: 喔我看懂了 bysort X1: teffects psmatch (Y) (T X)06/20 10:06

6^F→Tinderstick: 上面算的都是 ATE，可以加 atet 選項來算 ATT06/20 10:07

10^F推Tinderstick: 原來不能用，看你要不要改用 teffects ipw or ra06/20 10:50

11^F→Tinderstick: or ipwra or aipw www.stata.com/manuals13/te.pdf06/20 10:54

[問題] PSM中ps_score 篩選標準已刪文

[ Statistics ]7 留言, 推噓總分: +3

作者: samaelmakato - 發表於 2020/06/01 10:40(5年前)

5^F推Tinderstick: https://doi.org/10.1080/07474938.2017.131850906/02 19:27

6^F推Tinderstick: 有至少十篇文章討論相關問題，此外ps_score本身大小06/02 19:33

7^F→Tinderstick: 跟匹配的程度沒有關係06/02 19:35

[問題] 迴歸假設誤差為常態分配已刪文

[ Statistics ]4 留言, 推噓總分: +2

作者: rim0401 - 發表於 2019/03/22 15:09(6年前)

3^F推Tinderstick: 但E[(E1+...En)/n]=0,根據大數法則樣本平均會收斂至003/24 20:40

[問題] 傾向分數算法

[ Statistics ]11 留言, 推噓總分: +6

作者: orz0857orz - 發表於 2018/10/04 17:54(7年前)

7^F推Tinderstick: Generalized propensity score10/06 00:59

[問題] MME,MLE,LSE問題請益

[ Statistics ]11 留言, 推噓總分: +1

作者: AshengLin - 發表於 2017/11/13 19:08(8年前)

4^F推Tinderstick: 印象中 Gaussian MLE 求出來的beta_hat 跟 LSE 一樣11/14 01:48

5^F→Tinderstick: 但 sigma_hat 不同（但一致）11/14 01:49

6^F→Tinderstick: 而 LSE 本身可以想成是 MME 的特例11/14 01:49

7^F→Tinderstick: 所以在相同的目標函數（或說moment eq.）下是一樣的11/14 01:51

[問題] 估計區間

[ Statistics ]9 留言, 推噓總分: +3

作者: tomjpsun - 發表於 2017/07/03 20:17(8年前)

5^F推Tinderstick: 你說的就是bootstrap confidence interval07/07 02:18

6^F推Tinderstick: 從原樣本重複抽出（取後放回）B 個 bootstrap sample07/07 02:27

7^F→Tinderstick: s，再按照大小排序選出第 alpha/2 跟 1-alpha/2 的 q07/07 02:27

8^F→Tinderstick: uantiles 來當成上下界，就是 1-alpha 的 bootstrap07/07 02:27

9^F→Tinderstick: confidence interval07/07 02:27

[問題] Quantile regression如果變異數不齊一?

[ Statistics ]6 留言, 推噓總分: +1

作者: jimmy8343 - 發表於 2017/06/27 19:26(8年前)

1^F推Tinderstick: 如果有異質變異 covariance matrix會有sandwich form06/28 12:55

2^F→Tinderstick: 應該說 iid or non-iid 都可以做分量回歸06/28 12:58

3^F→Tinderstick: 但就跟OLS一樣如果有異質變異cov matrix會比較醜06/28 12:59

4^F→Tinderstick: 可以參考 Koenker 2005 的書 3.2.2~3.2.306/28 13:01

[問題] 回歸分析

[ Statistics ]10 留言, 推噓總分: +1

作者: kobegreat - 發表於 2016/06/24 01:33(9年前)

6^F推Tinderstick: local polynomial regression? Fan and Gijbels 199606/25 17:42

首頁

尾頁