Preguntas etiquetadas con interpretation

Generalmente se refiere a sacar conclusiones sustanciales de los resultados de un análisis estadístico.

3
¿Cómo interpretar los parámetros GARCH?
Utilizo un modelo GARCH estándar: rtσ2t=σtϵt=γ0+γ1r2t−1+δ1σ2t−1rt=σtϵtσt2=γ0+γ1rt−12+δ1σt−12\begin{align} r_t&=\sigma_t\epsilon_t\\ \sigma^2_t&=\gamma_0 + \gamma_1 r_{t-1}^2 + \delta_1 \sigma^2_{t-1} \end{align} Tengo diferentes estimaciones de los coeficientes y necesito interpretarlos. Por lo tanto, me pregunto acerca de una buena interpretación, entonces, ¿qué representan , y ?γ0γ0\gamma_0γ1γ1\gamma_1δ1δ1\delta_1 Veo que es algo así como una parte constante. Por …

1
Coeficientes de regresión de crestas que son mayores que los coeficientes MCO o que cambian de signo dependiendo de
Al ejecutar la regresión de cresta, ¿cómo interpreta los coeficientes que terminan siendo más grandes que sus coeficientes correspondientes bajo mínimos cuadrados (para ciertos valores de )? ¿No se supone que la regresión de cresta reduce los coeficientes monotónicamente?λλ\lambda En una nota relacionada, ¿cómo se interpreta un coeficiente cuyo signo …






4
¿Qué es la aleatoriedad?
En probabilidad y estadística, el concepto de "azar" y "aleatoriedad" se utilizan con frecuencia. A menudo, el concepto de una variable aleatoria se usa para modelar eventos que ocurren debido al azar. Mi pregunta se refiere al término "aleatorio". ¿Qué es al azar? ¿Existe realmente la aleatoriedad? Tengo curiosidad por …

3
Término de intercepción en regresión logística
Supongamos que tenemos el siguiente modelo de regresión logística: logit ( p ) = β0 0+ β1X1+ β2X2logit(p)=β0+β1x1+β2x2\text{logit}(p) = \beta_0+\beta_{1}x_{1} + \beta_{2}x_{2} ¿Es las probabilidades del evento cuando y ? En otras palabras, ¿son las probabilidades del evento cuando y están en los niveles más bajos (incluso si esto no …




1
¿Por qué el error estándar de la intersección aumenta cuanto más
El error estándar de la expresión de intercepción ( β 0 ) en y = β 1 x + β 0 + ε está dada por S E ( β 0 ) 2 = σ 2 [ 1β^0β^0\hat{\beta}_0y=β1x+β0+εy=β1x+β0+εy=\beta_1x+\beta_0+\varepsilon dondeˉxes la media de lasxi's.SE(β^0)2=σ2[1n+x¯2∑ni=1(xi−x¯)2]SE(β^0)2=σ2[1n+x¯2∑i=1n(xi−x¯)2]SE(\hat{\beta}_0)^2 = \sigma^2\left[\frac{1}{n}+\frac{\bar{x}^2}{\sum_{i=1}^n(x_i-\bar{x})^2}\right]x¯x¯\bar{x}xixix_i Por lo que entiendo, la …



Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.