جنرال مصفوفة في ستاتا - الفوركس

إشعار: ستقوم مجموعة الاستشارات الإحصائية إدر بترحيل الموقع إلى نظام إدارة المحتوى في وردبريس في فبراير لتسهيل الصيانة وإنشاء محتوى جديد. ستتم إزالة بعض صفحاتنا القديمة أو وضعها في الأرشيف بحيث لا يتم الاحتفاظ بها بعد الآن. سنحاول الحفاظ على عمليات إعادة التوجيه بحيث تستمر عناوين ورل القديمة في العمل بأفضل ما في وسعنا. مرحبا بكم في معهد للبحوث الرقمية والتعليم مساعدة المجموعة الاستشارية مجموعة من خلال إعطاء هدية ستاتا ملاحظات الطبقة العد من ن إلى N مقدمة ستاتا اثنين من المتغيرات المضمنة تسمى N و N. n هو تدوين ستاتا لرقم المراقبة الحالي. n هو 1 في الملاحظة الأولى، 2 في الثانية، 3 في الثالثة، وهلم جرا. N هو عبارة ستاتا عن العدد الإجمالي للملاحظات. دعونا نرى كيف N و N العمل. كما ترون، معرف المتغير يحتوي على عدد الملاحظة التي تعمل من 1 إلى 7 و نت هو العدد الإجمالي للملاحظات، وهو 7. العد باستخدام N و N بالتزامن مع الأمر بواسطة يمكن أن تنتج بعض النتائج المفيدة جدا. وبطبيعة الحال، لاستخدام الأمر بواسطة يجب علينا أولا فرز البيانات الخاصة بنا على حسب المتغير. الآن n1 هو رقم الملاحظة داخل كل مجموعة و n2 هو العدد الإجمالي للملاحظات لكل مجموعة. لإدراج أقل درجة لكل مجموعة استخدم ما يلي: لإدراج أعلى الدرجات لكل مجموعة استخدم ما يلي: استخدام آخر من n ليتس استخدام n لمعرفة ما إذا كانت هناك أرقام معرف مكررة في البيانات التالية: كما اتضح، الملاحظات 6 و 7 لها نفس أرقام الهوية ولكن قيم النتيجة مختلفة. العثور على التكرارات الآن يتيح استخدام N للعثور على الملاحظات المكررة. في هذا المثال نصنف الملاحظات من قبل جميع المتغيرات. ثم نستخدم كل المتغير في العبارة بي وتعيين مجموعة n يساوي العدد الإجمالي للرصدات متطابقة. وأخيرا، نسرد الملاحظات التي تكون N أكبر من 1، وبالتالي تحديد الملاحظات المكررة. إذا كان لديك الكثير من المتغيرات في مجموعة البيانات، قد يستغرق الأمر وقتا طويلا لكتابتها بالكامل مرتين. يمكننا الاستفادة من حرف البدل للإشارة إلى أننا نرغب في استخدام جميع المتغيرات. وعلاوة على ذلك في أحدث إصدارات ستاتا يمكننا الجمع بين نوع ومن خلال في بيان واحد. وفيما يلي نسخة مبسطة من الشفرة التي سوف تسفر عن نفس النتائج بالضبط كما هو موضح أعلاه. محتوى هذا الموقع لا ينبغي أن يفسر على أنه تأييد لأي موقع ويب معين أو كتاب أو منتج برامج من قبل جامعة كاليفورنيا. ملاحظة: سوف تقوم مجموعة الاستشارات الإحصائية إدر بترحيل الموقع إلى نظام إدارة محتوى وردبريس في فبراير لتسهيل صيانة وإنشاء محتوى جديد. ستتم إزالة بعض صفحاتنا القديمة أو وضعها في الأرشيف بحيث لا يتم الاحتفاظ بها بعد الآن. سنحاول الحفاظ على عمليات إعادة التوجيه بحيث تستمر عناوين ورل القديمة في العمل بأفضل ما في وسعنا. مرحبا بكم في معهد للبحوث الرقمية والتعليم مساعدة مجموعة ستات الاستشارية من خلال إعطاء هدية ستاتا التعليمات كيف يمكنني الوصول إلى المعلومات المخزنة بعد تشغيل أمر في ستاتا (النتائج التي تم إرجاعها) بالإضافة إلى الإخراج في المبين في إطار النتائج، العديد من الأوامر ستاتاس تخزين المعلومات حول الأمر ونتائجها في الذاكرة. وهذا يسمح للمستخدم، وكذلك أوامر ستاتا أخرى، للاستفادة بسهولة من هذه المعلومات. ستاتا يدعو هذه النتائج التي تم إرجاعها. يمكن أن تكون النتائج التي تم إرجاعها مفيدة جدا عندما تريد استخدام المعلومات التي ينتجها أمر ستاتا للقيام بشيء آخر في ستاتا. على سبيل المثال، إذا كنت تريد أن تعني مركز متغير، يمكنك استخدام تلخيص لحساب المتوسط، ثم استخدام قيمة المتوسط ​​المحسوب من خلال تلخيص مركز المتغير. يؤدي استخدام النتائج التي تم إرجاعها إلى إزالة الحاجة إلى إعادة كتابة أو قص ولصق قيمة المتوسط. مثال آخر لكيفية عودة النتائج يمكن أن تكون مفيدة إذا كنت ترغب في توليد القيم المتوقعة للمتغير النتيجة عندما تكون متغيرات التنبؤ في مجموعة محددة من القيم، مرة أخرى هنا، هل يمكن إعادة كتابة المعاملات أو استخدام قص ولصق، ولكن النتائج التي تم إرجاعها جعل المهمة أسهل بكثير. أفضل طريقة للحصول على الشعور كيف النتائج عاد العمل هو القفز الحق في وبدء النظر في واستخدامها. تفتح الشفرة أدناه مثالا لمجموعة البيانات وتستخدم ملخص (مختصر) لإنشاء إحصاءات وصفية لقراءة المتغير. وهذا ينتج الناتج المتوقع، ولكن الأهم من ذلك لأغراضنا، ستاتا لديها الآن نتائج من تلخيص الأمر المخزنة في الذاكرة. ولكن كيف يمكنك أن تعرف ما هي المعلومات المخزنة يتم تضمين قائمة من المعلومات المحفوظة من قبل كل أمر في ملف المساعدة أندور دليل المطبوعة، لذلك يمكن أن ننظر هناك، ولكن يمكنني أيضا أن اكتب قائمة العودة. والتي سوف قائمة كافة النتائج التي تم إرجاعها في الذاكرة. في ما يلي قائمة بالنتائج التي تم إرجاعها، حيث يمكنك مشاهدة كل نتيجة من الاستمارة r (.) حيث تكون علامات الحذف (كوت. كوت) عبارة عن تسمية قصيرة. يمكن أن نرى ملف التعليمات لأمر تلخيص لمعرفة ما كل بند في القائمة، ولكن غالبا ما يكون من السهل معرفة ما هي القيمة التي تم تعيينها إلى أي نتيجة، على سبيل المثال، ص (يعني). وليس من المستغرب يحتوي على متوسط ​​للقراءة (يمكنك التحقق من هذا ضد الإخراج)، ولكن البعض الآخر ليست واضحة، على سبيل المثال ص (سومو). لذلك، قد تحتاج إلى استشارة الدليل إذا كنت تعتقد أنك قد ترغب في استخدامها. في معظم الأحيان سوف تكون عملية سهلة نسبيا لأنك لن تعرف ما هي النتيجة التي تريد الوصول إليها، وسوف تكون تبحث في قائمة لمعرفة ما يتم تخزينه تحت، بدلا من النظر في قائمة ومحاولة لمعرفة ما كل العنصر هو. كما قد تتخيل، أوامر مختلفة، وحتى نفس الأمر مع خيارات مختلفة، تخزين نتائج مختلفة. نلخص أدناه المتغير قراءة مرة أخرى، ولكن إضافة خيار التفاصيل. ثم نستخدم قائمة العودة للحصول على قائمة النتائج التي تم إرجاعها. تماما كما يضيف خيار التفاصيل معلومات إضافية إلى الإخراج، فإنه يؤدي أيضا إلى معلومات إضافية المخزنة في النتائج التي تم إرجاعها. وتشمل القائمة الجديدة جميع المعلومات التي تم إرجاعها بواسطة الأمر سوم أعلاه، بالإضافة إلى التفرطح المنحرف وعدد من النسب المئوية، بما في ذلك الربع الأول (r (p25)) والربع الثالث (r (p75)) والمتوسط ​​(r (p50) ). الآن بعد أن لدينا بعض الشعور ما هي النتائج التي يتم إرجاعها من قبل تلخيص الأمر، يمكننا الاستفادة من النتائج التي تم إرجاعها. من خلال واحدة من الأمثلة المذكورة أعلاه، فإننا سوف يعني مركز المتغير قراءة. وبافتراض أن الأمر الأخير الذي شغلناه كان الأمر الموجز أعلاه، فإن الكود أدناه يستخدم يولد متغيرا جديدا، يحتوي على القيم المتوسطة المتمركزة للقراءة. لاحظ أنه بدلا من استخدام القيمة الفعلية لمتوسط ​​القراءة في هذا الأمر، استخدمنا اسم النتيجة التي تم إرجاعها (أي r (متوسط))، يعرف ستاتا عندما يرى r (يعني) أننا نعني في الواقع القيمة المخزنة في أن متغير النظام. في السطر التالي نلخص القالب المتغير الجديد. في حين أن متوسط ​​لا يساوي بالضبط الصفر، فمن ضمن خطأ التقريب من الصفر، لذلك نحن نعلم أننا قد يعني بشكل صحيح تركز متغير قراءة. وكما يوحي الرمز أعلاه، يمكننا استخدام النتائج التي تم إرجاعها إلى حد كبير بنفس الطريقة التي نستخدم بها الرقم الفعلي. وذلك لأن ستاتا يستخدم r (.) كعنصر نائب لقيمة حقيقية. لمثال آخر على ذلك، قل أننا نريد حساب التباين في القراءة من الانحراف المعياري (تجاهل حقيقة أن تلخيص ترجع التباين في r (فار)). يمكننا أن نفعل ذلك على الطاير باستخدام الأمر العرض كآلة حاسبة. السطر الثاني من التعليمات البرمجية أدناه يفعل ذلك. يمكننا حتى التحقق من النتيجة عن طريق خفض ولصق قيمة الانحراف المعياري عن الإخراج، والذي يتم في الأمر الثالث أدناه. النتائج هي في الأساس نفسه، الفرق الطفيف جدا هو خطأ التقريب لأن التقدير المخزن r (سد) يحتوي على مزيد من أرقام الدقة من قيمة الانحراف المعياري المعروضة في الإخراج. أنواع النتائج التي تم إرجاعها، الفئة - r والفئة الإلكترونية الآن بعد أن عرفت قليلا عن النتائج التي تم إرجاعها وكيفية عملها، فأنت على استعداد لمزيد من المعلومات حولهم. النتائج التي تم إرجاعها تأتي في نوعين رئيسيين، من الدرجة R، والطبقة الإلكترونية (وهناك أيضا s - فئة و C-كلاس النتائج، ولكننا لن نناقشها هنا). والأوامر التي تؤدي التقدير، على سبيل المثال الانحدارات من جميع الأنواع، وتحليل العوامل، وأنوفا هي الأوامر الدرجة الإلكترونية. الأوامر الأخرى، على سبيل المثال تلخيص، وأوامر ربط وبعد تقدير، هي أوامر من الدرجة r. يعتبر التمييز بين الأوامر من الدرجة r و الفئة e أمرا مهما لأن ستاتا يخزن النتائج من الفئة e و الأوامر من الدرجة r في مختلف الاقتباسات. هذا له اثنان من التداعيات لك كمستخدم. أولا، تحتاج إلى معرفة ما إذا كانت النتائج المخزنة في r () أو e () (فضلا عن اسم النتيجة) من أجل الاستفادة منها. إذا لم تكن متأكدا من فئة الأمر الذي قمت بتشغيل هو في، يمكنك إما البحث عنه في ملف التعليمات، أو كوتلوكوت في مكان واحد (باستخدام الأمر المناسب ل قائمة النتائج)، إذا لم يتم تخزين النتائج هناك هم على الأرجح في الأخرى. وهناك ترجيح يحتمل أن يكون أكثر أهمية للفرق في كيفية إرجاع النتائج من الأوامر من الدرجة R والطبقة الإلكترونية هي أن يتم إرجاع النتائج المعادة في الذاكرة فقط حتى يتم تشغيل أمر آخر من نفس الفئة. وهذا هو، يتم استبدال النتائج التي تم إرجاعها من الأوامر السابقة بأوامر لاحقة من نفس الفئة. في المقابل، تشغيل أمر فئة أخرى لن يؤثر على النتائج التي تم إرجاعها. على سبيل المثال، إذا قمت بتشغيل الانحدار، ثم الانحدار الثاني، يتم استبدال نتائج الانحدار الأول (المخزنة في ه ()) تلك التي لالانحدار الثاني (المخزنة أيضا في e ()). ومع ذلك، إذا بدلا من الانحدار الثاني، ركضت أمر ما بعد تقدير، فإن النتائج من الانحدار ستبقى في ه () في حين أن النتائج من أمر آخر تقدير ستوضع في r (). في حين أن هناك فرق بين الاثنين، والاستخدام الفعلي للنتائج من الدرجة R وأوامر الدرجة الإلكترونية هي مشابهة جدا. بالنسبة للمبتدئين، الأوامر موازية، لإدراج نتائج فئة R المخزنة في الذاكرة الأمر هو قائمة الإرجاع. أن تفعل الشيء نفسه لنتائج الدرجة الإلكترونية قائمة إريتورن الأمر. وعلاوة على ذلك، باستثناء الاختلاف في اصطلاحات التسمية (r () مقابل e ())، يتم الوصول إلى النتائج بنفس الطريقة. يوضح المثال أدناه هذا، أولا نراجع الكتابة على الإناث والقراءة. ثم استخدم قائمة إريترن للنظر في النتائج التي تم إرجاعها. تتضمن قائمة النتائج التي تم إرجاعها للرجوع عدة أنواع من النتائج التي تم إرجاعها ضمن العناوين الرأسية، وحدات الماكرو، المصفوفات والوظائف. سنناقش أنواع النتائج التي تم إرجاعها أدناه، ولكن في الوقت الحالي سوف نعرض كيف يمكنك استخدام النتائج التي تم إرجاعها بنفس الطريقة التي استخدمنا بها النتائج التي تم إرجاعها من الملخص. على سبيل المثال، طريقة واحدة لحساب تباين الأخطاء بعد الانحدار هي تقسيم المجموع المتبقي من المربعات حسب درجات الحرية الكلية (أي n-1). يتم تخزين المبلغ المتبقي من المربعات في e (رسس) ويتم تخزين n للتحليل في e (N). أدناه نستخدم الأمر العرض كآلة حاسبة، جنبا إلى جنب مع النتائج التي تم إرجاعها لحساب التباين من الأخطاء. كيف يتم إرجاع النتائج: سكالارس، السلاسل، المصفوفات والوظائف كما ذكر أعلاه، بالنسبة لكل من الأوامر من الدرجة R و الفئة E، هناك أنواع متعددة من النتائج التي تم إرجاعها، بما في ذلك النتائج، السلاسل، المصفوفات، والوظائف. في قوائم النتائج التي تم إرجاعها، يتم سرد كل نوع تحت العنوان الخاص به. النتائج المدرجة تحت عنوان كوتسكالارسكوت هي مجرد أن، قيمة رقمية واحدة. ويناقش استخدامها أعلاه، لذلك نحن لن نقول بعد الآن عنهم في هذا القسم. النتائج التي تم إرجاعها ضمن كوتوماكروسكوت عموما سلاسل تعطي معلومات حول الأمر الذي تم تشغيله. على سبيل المثال، في النتائج التي تم إرجاعها للتراجع الموضح أعلاه، e (كمدلين) يحتوي على الأمر الذي أصدره المستخدم (بدون أي اختصار). وتستخدم هذه عادة في برمجة ستاتا. النتائج المدرجة تحت كوتماتريسسكوت هي، كما تتوقعون، المصفوفات. في حين أن قائمة النتائج التي تم إرجاعها من قبل قائمة العودة وقائمة إرتورن تظهر لك القيم التي اتخذتها معظم النتائج التي تم إرجاعها، وهذا ليس عمليا مع المصفوفات، بدلا من ذلك يتم سرد أبعاد المصفوفات. لرؤية محتويات المصفوفات يجب عليك عرضها باستخدام أوامر المصفوفة. نقوم بذلك أدناه مع مصفوفة المعاملات (e (b)) باستخدام قائمة مصفوفة الأوامر e (b). (لاحظ أن هناك طريقة أخرى للوصول إلى المعاملات وأخطاءها القياسية بعد تناسب نموذج، وهذا ما نوقش أدناه). إذا كنا نود إجراء عمليات مصفوفة على المصفوفات عاد، أو ترغب في الوصول إلى العناصر الفردية للمصفوفة، يمكننا نقل المصفوفة المخزنة كنتيجة عاد إلى مصفوفة ستاتا العادية. يتم ذلك في السطر الأخير من بناء الجملة أدناه. وأخيرا، فإن النتائج التي يتم إرجاعها تحت عنوان كوتفونكتيونسكوت تحتوي على وظائف يمكن استخدامها بطريقة مشابهة لوظائف ستاتا الأخرى. الدالة الأكثر شيوعا التي يتم إرجاعها بواسطة أوامر تقدير ستاتا هي على الأرجح e (سامبل). وتمثل هذه الدالة العينة المستخدمة في تقدير التحليل الأخير، وهذا مفيد لأن مجموعات البيانات كثيرا ما تحتوي على قيم مفقودة مما يؤدي إلى عدم استخدام جميع الحالات في مجموعة البيانات في تحليل معين. على افتراض أن آخر أمر تشغيل تقدير كان انحدار الكتابة على الإناث والقراءة المبينة أعلاه، السطر الأول من التعليمات البرمجية أدناه يستخدم ه (عينة) للعثور على متوسط ​​القراءة بين تلك الحالات المستخدمة في النموذج. السطر الثاني من التعليمات البرمجية يستخدم e (عينة) لإنشاء متغير جديد يسمى علم يساوي 1 للحالات التي استخدمت في التحليل، و صفر خلاف ذلك. (ملاحظة نظرا لأن مجموعة بيانات المثال لا تحتوي على بيانات مفقودة، يتم تضمين جميع الحالات في التحليل، والعلم ثابت على قدم المساواة.) المعاملات وأخطاءها القياسية كما نوقش أعلاه، بعد أن يناسب أحد النماذج، والمعاملات ومعيارها يتم تخزين الأخطاء في e () في شكل مصفوفة. تسمح هذه المصفوفات للمستخدم بالوصول إلى المعاملات، ولكن ستاتا يمنحك طريقة أسهل للوصول إلى هذه المعلومات من خلال تخزينها في متغيرات النظام b و سي. للوصول إلى قيمة معامل الانحدار بعد الانحدار، كل واحد يحتاج إلى القيام به هو نوع بفارنام حيث فارنام هو اسم متغير التنبؤ الذي تريد معامله. للوصول إلى الخطأ القياسي، يمكنك ببساطة كتابة سيفارنام. للوصول إلى معامل والخطأ القياسي من ثابت نستخدم بكونس و سيكونس على التوالي. أدناه نحن تشغيل نفس نموذج الانحدار ركضنا فوق (حذف الناتج)، وذلك باستخدام الإناث وقراءة للتنبؤ الكتابة. وبمجرد أن نقدر النموذج، نستخدم الأمر عرض لإظهار أن القيم في b تساوي معاملات الانحدار لدينا. وأخيرا، فإننا نحسب القيمة المتوقعة للكتابة عندما يكون لدى الإناث (الإناث 1) طالب درجة القراءة من 52. محتوى هذا الموقع لا ينبغي أن يفسر على أنه تأييد لأي موقع على شبكة الإنترنت أو كتاب أو منتج البرمجيات معين من قبل جامعة كاليفورنيا.