ثنائية التفرع - المتغيرات في ستاتا - الفوركس

المهمة 2 ج: كيفية استخدام كود ستاتا لتنفيذ الانحدار اللوجستي في هذه الوحدة، سوف تستخدم الانحدار اللوجستي بسيط لتحليل بيانات نهانس لتقييم العلاقة بين الجنس (رياجندر) مدش التعرض أو مداش متغير مستقل واحتمال وجود ارتفاع ضغط الدم (على أساس على ببكسار. بكسدار) مداش النتيجة أو المتغير التابع، بين المشاركين 20 سنة وكبار السن. سوف تستخدم بعد ذلك الانحدار اللوجستي المتعدد لتقييم العلاقة بعد السيطرة على المتغيرات المشتركة المختارة. وتشمل المتغيرات المتراكمة العمر (ريداجير)، والكوليسترول (لبستك)، ومؤشر كتلة الجسم (بمكسمي) والثلج الثلاثية الصيام (لبكستر). هناك العديد من الأشياء التي يجب أن تكون على بينة من أثناء تحليل بيانات نهانس مع ستاتا. يرجى الاطلاع على صفحة نصائح ستاتا لمراجعتها قبل المتابعة. الخطوة 1: استخدام سفيسيت لتعريف متغيرات تصميم الاستقصاء تذكر أن تحتاج إلى تعريف سفيسيت قبل استخدام سلسلة سفي الأوامر. الشكل العام لهذا الأمر هو أدناه: سفيسيت ويتيفار، يسو (بيسوفار) طبقات (ستراتافار) فسي (ليناريزد) لتحديد متغيرات تصميم المسح لتحليل الكوليسترول الخاص بك، استخدم متغير الوزن لأربعة لك من البيانات ميك (wtmec4yr)، المتغير (يدمفسو)، ومتغير الطبقات (سدمفسترا). ويحدد الخيار فسي طريقة حساب التباين والتخلف هو كوتليناريزكوت وهو تايلور الخطية. هنا هو الأمر سفيسيت لسنوات الفراء من ميك البيانات: سفيسيت ث wtmec4yr، يسو (سدمفسو) طبقات (سدمفسترا) فس (ليناريزد) الخطوة 2: إنشاء متغير ثنائي التفرع تعتمد للمتغيرات المستمرة، لديك خيار استخدام المتغير في الأصل (متواصل) أو تغييره إلى متغير فئوي (على سبيل المثال، استنادا إلى قطع قياسية أو ربعية أو ممارسة شائعة). وينبغي أن تعكس المتغيرات الفئوية التوزيع الأساسي للمتغير المستمر ولا تنشئ فئات حيث لا توجد سوى بضع ملاحظات. للمتغير التابع، سوف تقوم بإنشاء متغير ثنائي التفرع، فرط. التي تعرف الناس على وجود (أو عدم وجود) ارتفاع ضغط الدم. على وجه التحديد، ويقال أن الشخص لديه ارتفاع ضغط الدم إذا كان ضغط الدم الانقباضي (يقاس في ميك) يتجاوز 140 أو ضغط الدم الانبساطي بهم يتجاوز 90 أو إذا كانوا يتناولون ضغط الدم الدواء. تذكر أن الانحدار اللوجستي للعمل في ستاتا، هذا المتغير يحتاج إلى تعريف على أنه 0 (بمعنى أن النتيجة لم تحدث، وهنا شخص ليس لديه ارتفاع ضغط الدم) أو 1 (يحدث نتيجة، وهنا شخص لديه ارتفاع ضغط الدم). رمز إنشاء هذا المتغير هو التالي: جين hyper1 إف (bpxsargt140 أمب بكسارلت. bpxdargt90 أمب بكسدارلت.) bpq050a1 استبدال hyper0 إذا هايبر 1 أمب (ببكسار. أمب بكسدار.) الخطوة 3: إنشاء متغيرات فئوية مستقلة بالإضافة إلى إنشاء ثنائي التفرع تعتمد المتغير، هذا المثال سيخلق أيضا المتغيرات الفئوية مستقلة إضافية (العمر، هيشول، بمغرب) من العمر والكوليسترول، ومؤشر كتلة الجسم المتغيرات الفئوية لاستخدامها في هذا التحليل. كود لتوليد متغيرات فئوية مستقلة الخطوة 10: مرحلة ما بعد التقدير قد ترغب في معرفة ما إذا كانت المقارنات المختلفة (بخلاف الفئات المرجعية التي حددتها) هامة. في هذه الحالة، يمكنك استخدام أمر بوست-إستيماشيون (أي أمر لا يمكن تشغيله إلا بعد تشغيل أمر نموذج لوجيت). وهذا يأخذ الشكل العام، إذا كنت لا تريد غير المعدلة F: اختبار مجموعة، نوسفيادجوست هذا المثال سيتم استخدام هذا الأمر لاختبار أن أصغر الفئة العمرية لديها احتمال كبير إحصائيا من ارتفاع ضغط الدم من أقدم الفئة العمرية: اختبار Iage1 Iage3، نوسفيادجوست نتائج هذا المثال هي: ملاحظة: سوف إدر مجموعة استشارية إحصائية ترحيل الموقع إلى وردبريس كمس 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 البحوث الرقمية والتعليم مساعدة مجموعة ستات الاستشارية من خلال إعطاء هدية ستاتا أسئلة وأجوبة كيف يمكنني إجراء تحليل عامل مع المتغيرات الفئوية (أو الفئوية والمستمرة) الطرق القياسية لتحليل عامل الأداء (أي تلك القائمة على مصفوفة من بيرسونس) تفترض أن المتغيرات مستمرة ومتابعة التوزيع الطبيعي متعدد المتغيرات. إذا كان النموذج يتضمن المتغيرات التي ثنائية أو ترتيبية يمكن إجراء تحليل عامل باستخدام مصفوفة ارتباط البوليكوريك. في ستاتا يمكننا توليد مصفوفة من الارتباطات بوليكوريك باستخدام المستخدم مكتوبة بوليكوريك القيادة. يمكنك العثور على وتثبيت الأمر بوليكوريك عن طريق كتابة فينيت بوليكوريك في إطار الأمر ستاتا واتبع الاتجاهات الشاشة. لمزيد من المعلومات حول تحديد وتثبيت الأوامر المكتوبة من قبل المستخدم راجع الأسئلة الشائعة: كيف يمكنني استخدام فينديت للبحث عن برامج ومساعدة إضافية. لاحظ أن المتغيرات المستخدمة مع بوليتيك قد تكون ثنائية (01)، ترتيبية، أو مستمرة، ولكن لا يمكن أن تكون الاسمية (فئات غير مرتبة). نلاحظ أيضا أن الارتباطات في المصفوفة التي تنتجها القيادة بوليكوريك ليست كلها علاقات بوليكوريك. عندما يكون لكل من المتغيرين 10 أو أقل من القيم الملحوظة، يتم حساب الارتباط متعدد الألوان، عندما يأخذ واحد فقط من المتغيرات على 10 أو أقل من القيم (أي متغير واحد مستمر والآخر فئوية) يتم حساب ارتباط متعدد الأعراق، وإذا أخذ المتغيران على أكثر من 10 قيم يتم حساب ارتباط بيرسونس. مرة واحدة لدينا مصفوفة ارتباط بوليتيكوريك، يمكننا استخدام الأمر فاكتورمات لإجراء تحليل عامل استكشافي باستخدام المصفوفة كمدخل، بدلا من المتغيرات الخام. وتتضمن مجموعة البيانات لهذا المثال بيانات عن 1428 من طلاب الجامعات ومعلميهم. ويشمل تحليل المثال المتغيرات الثنائية التفرع، بما في ذلك الجنسيات (فاسيكس) وجنسية أعضاء هيئة التدريس (مواطن أمريكي أو مواطن أجنبي، فانات) أمر المتغيرات الفئوية، بما في ذلك رتبة أعضاء هيئة التدريس (فاكرانك)، رتبة الطالب (ستودرانك) والصف (A، B، C، وما إلى ذلك الصف) والمتغير المستمر رواتب أعضاء هيئة التدريس (راتب)، سنوات التدريس في جامعة تكساس (يرسوت)، وعدد الطلاب في الفصل (نستود) في هذا التحليل. تم اختيار هذه المتغيرات لتمثيل مجموعة من أنواع المتغيرات (أي ثنائية التفرع، وأمرت الفئوية، والمستمرة)، ولا تشكل بالضرورة عوامل ذات مغزى جوهري. أدناه نحن فتح مجموعة البيانات وتوليد مصفوفة الارتباط بوليريكوريك للمتغيرات الثمانية في تحليلنا. قد تلاحظ أن الأمر بوليكوريك يعمل بشكل أبطأ إلى حد ما من الأوامر ستاتاس و بوكور، وهذا أمر طبيعي. لا يظهر الأمر بوليكوريك عدد الحالات (مع حذف ليستوي) المستخدمة لتوليد المصفوفة، لكنه يقوم بتخزين n في r (سومو) حتى نتمكن من استخدام الأمر عرض لعرضه. ثم نستخدم الأمر مصفوفة لتخزين مصفوفة الارتباط بوليكوريك (المحفوظة في r (R) بواسطة الأمر بوليكوريك) كما r. حتى نتمكن من استخدامه مع الأمر فاكتورمات. ويتبع الأمر فاكتورمات اسم المصفوفة التي نود استخدامها في التحليل (أي r). و n (.) كوتوبتيونوت يعطي حجم العينة، وهو مطلوب. لقد استخدمنا العوامل (.) الخيار للإشارة إلى أننا نرغب في الاحتفاظ بثلاثة عوامل. ويمكن تفسير ناتج تحليل العوامل الوارد أعلاه بطريقة مشابهة لنموذج تحليل عامل معياري، بما في ذلك استخدام أساليب التناوب لزيادة القابلية للتفسير.