SoWi Forum Innsbruck - Powered by vBulletin
Seite 2 von 3 ErsteErste 123 LetzteLetzte
Ergebnis 11 bis 20 von 23

Thema: Aufgabenblatt 5 - 22.05.2012

  1. #11
    Senior Member Bewertungspunkte: 0

    Registriert seit
    12.03.2012
    Beiträge
    123
    hat wer die aufgabe mit cars gmacht?

  2. #12
    Senior Member Bewertungspunkte: 4
    Avatar von myppe
    Registriert seit
    14.10.2010
    Beiträge
    234
    Zitat Zitat von 4956 Beitrag anzeigen
    Ich glaube, deine Regressionsgerade stimmt Ich habe jetzt auch so gemacht
    *Regressionsgerade = 0.6462903*midheightp_cm + 60.81152
    Entschuldigung, vielleicht bin ich komplett doof aber von wo kriegst du 60.81552?

  3. #13
    Golden Member Bewertungspunkte: 10
    Avatar von 4956
    Registriert seit
    23.11.2010
    Beiträge
    464
    Zitat Zitat von myppe Beitrag anzeigen
    Entschuldigung, vielleicht bin ich komplett doof aber von wo kriegst du 60.81552?
    also, ich habe die Aufgabe 1 so gemacht:

    gen heightchild_cm=heightchild*2.54
    gen midheightp_cm=midheightp*2.54

    scatter heightchild_cm midheightp_cm
    correlate heightchild_cm midheightp_cm
    scatter heightchild_cm midheightp_cm ||lfit heightchild_cm midheightp_cm
    regress heightchild_cm midheightp_cm

    zum Schluss kriegst du so eine Tabelle:



    Source | SS df MS Number of obs = 928
    -------------+------------------------------ F( 1, 926) = 246.84
    Model | 7980.20059 1 7980.20059 Prob > F = 0.0000
    Residual | 29937.1792 926 32.3295671 R-squared = 0.2105
    -------------+------------------------------ Adj R-squared = 0.2096
    Total | 37917.3798 927 40.9033223 Root MSE = 5.6859

    ------------------------------------------------------------------------------
    heightchil~m | Coef. Std. Err. t P>|t| [95% Conf. Interval]
    -------------+----------------------------------------------------------------
    midheightp~m | .6462903 .0411359 15.71 0.000 .56556 .7270207
    _cons | 60.81152 7.139629 8.52 0.000 46.79979 74.82325
    ------------------------------------------------------------------------------

    Jetzt bestimmen wir die Regressionsgerade
    Also, die klassische Gleichung y=k*x+d
    =>Regressionsgerade Y = 0.65*midheightp~m+60.8

    genau so muss man bei anscombe's Variablen machen

  4. #14
    Member Bewertungspunkte: 0

    Registriert seit
    03.06.2010
    Beiträge
    61
    Zitat Zitat von 4956 Beitrag anzeigen
    Hallo
    wie kommst du auf
    heightchild = 60.81 + 0.65 *midheightp ?
    ich habs auch so!

  5. #15
    Senior Member Bewertungspunkte: 4
    Avatar von myppe
    Registriert seit
    14.10.2010
    Beiträge
    234
    Zitat Zitat von 4956 Beitrag anzeigen
    also, ich habe die Aufgabe 1 so gemacht:

    gen heightchild_cm=heightchild*2.54
    gen midheightp_cm=midheightp*2.54

    scatter heightchild_cm midheightp_cm
    correlate heightchild_cm midheightp_cm
    scatter heightchild_cm midheightp_cm ||lfit heightchild_cm midheightp_cm
    regress heightchild_cm midheightp_cm

    zum Schluss kriegst du so eine Tabelle:



    Source | SS df MS Number of obs = 928
    -------------+------------------------------ F( 1, 926) = 246.84
    Model | 7980.20059 1 7980.20059 Prob > F = 0.0000
    Residual | 29937.1792 926 32.3295671 R-squared = 0.2105
    -------------+------------------------------ Adj R-squared = 0.2096
    Total | 37917.3798 927 40.9033223 Root MSE = 5.6859

    ------------------------------------------------------------------------------
    heightchil~m | Coef. Std. Err. t P>|t| [95% Conf. Interval]
    -------------+----------------------------------------------------------------
    midheightp~m | .6462903 .0411359 15.71 0.000 .56556 .7270207
    _cons | 60.81152 7.139629 8.52 0.000 46.79979 74.82325
    ------------------------------------------------------------------------------

    Jetzt bestimmen wir die Regressionsgerade
    Also, die klassische Gleichung y=k*x+d
    =>Regressionsgerade Y = 0.65*midheightp~m+60.8

    genau so muss man bei anscombe's Variablen machen
    Aaah selbstverständlich :P danke!

  6. #16
    Anfänger Bewertungspunkte: 0
    Avatar von jimpi14
    Registriert seit
    10.01.2012
    Beiträge
    19
    Zitat Zitat von alis Beitrag anzeigen
    hat wer die aufgabe mit cars gmacht?
    Ich habs mal so gemacht:
    *Datensatz cars einlesen
    clear
    insheet using "I:\Datenanalyse\Daten\cars.raw"
    save "I:\Datenanalyse\Daten\cars.dta", replace
    clear
    use "I:\Datenanalyse\Daten\cars.dta"
    *Regression schätzen
    regress dist speed
    scatter dist speed ||lfit dist speed

  7. #17
    Member Bewertungspunkte: 0

    Registriert seit
    08.03.2012
    Beiträge
    56
    Zitat Zitat von jimpi14 Beitrag anzeigen
    Ich habs mal so gemacht:
    *Datensatz cars einlesen
    clear
    insheet using "I:\Datenanalyse\Daten\cars.raw"
    save "I:\Datenanalyse\Daten\cars.dta", replace
    clear
    use "I:\Datenanalyse\Daten\cars.dta"
    *Regression schätzen
    regress dist speed
    scatter dist speed ||lfit dist speed
    und der KQ-Schätzer?

  8. #18
    Anfänger Bewertungspunkte: 0
    Avatar von jimpi14
    Registriert seit
    10.01.2012
    Beiträge
    19
    Zitat Zitat von TMac Beitrag anzeigen
    und der KQ-Schätzer?
    du bekommst ja dann diese tabelle:

    regress dist speed

    Source SS df MS Number of obs = 50
    F( 1, 4 = 89.57
    Model 21185.4589 1 21185.4589 Prob > F = 0.0000
    Residual 11353.5211 48 236.531689 R-squared = 0.6511
    Adj R-squared = 0.6438
    Total 32538.98 49 664.060816 Root MSE = 15.38


    dist Coef. Std. Err. t P>t [95% Conf. Interval]

    speed 3.932409 .4155128 9.46 0.000 3.096964 4.767853
    _cons -17.57909 6.75844 -2.60 0.012 -31.16785 -3.99034

    dann sind die Schätzer ß0 = -17.57909 und ß1 = 3.932409
    Damit kannst du dann auch die Regressionsgerade bestimmen:
    ß0+ß1*speed = -17.57909 + 3.932409 *speed = dist

  9. #19
    Member Bewertungspunkte: 3

    Registriert seit
    19.04.2012
    Beiträge
    53
    beim befehl:
    scatter heightchild_cm midheightp_cm ||lfit heightchild_cm midheightp_cm
    was bewirkt da dieser Teil: ||lfit

    und zum schluss beim bestimmen der regressionsgerade was bedeutet _cons ?

    Zitat Zitat von 4956 Beitrag anzeigen
    also, ich habe die Aufgabe 1 so gemacht:

    gen heightchild_cm=heightchild*2.54
    gen midheightp_cm=midheightp*2.54

    scatter heightchild_cm midheightp_cm
    correlate heightchild_cm midheightp_cm
    scatter heightchild_cm midheightp_cm ||lfit heightchild_cm midheightp_cm
    regress heightchild_cm midheightp_cm

    zum Schluss kriegst du so eine Tabelle:



    Source | SS df MS Number of obs = 928
    -------------+------------------------------ F( 1, 926) = 246.84
    Model | 7980.20059 1 7980.20059 Prob > F = 0.0000
    Residual | 29937.1792 926 32.3295671 R-squared = 0.2105
    -------------+------------------------------ Adj R-squared = 0.2096
    Total | 37917.3798 927 40.9033223 Root MSE = 5.6859

    ------------------------------------------------------------------------------
    heightchil~m | Coef. Std. Err. t P>|t| [95% Conf. Interval]
    -------------+----------------------------------------------------------------
    midheightp~m | .6462903 .0411359 15.71 0.000 .56556 .7270207
    _cons | 60.81152 7.139629 8.52 0.000 46.79979 74.82325
    ------------------------------------------------------------------------------

    Jetzt bestimmen wir die Regressionsgerade
    Also, die klassische Gleichung y=k*x+d
    =>Regressionsgerade Y = 0.65*midheightp~m+60.8

    genau so muss man bei anscombe's Variablen machen

  10. #20
    Member Bewertungspunkte: 0

    Registriert seit
    08.03.2012
    Beiträge
    56
    Zitat Zitat von jimpi14 Beitrag anzeigen
    du bekommst ja dann diese tabelle:

    regress dist speed

    Source SS df MS Number of obs = 50
    F( 1, 4 = 89.57
    Model 21185.4589 1 21185.4589 Prob > F = 0.0000
    Residual 11353.5211 48 236.531689 R-squared = 0.6511
    Adj R-squared = 0.6438
    Total 32538.98 49 664.060816 Root MSE = 15.38


    dist Coef. Std. Err. t P>t [95% Conf. Interval]

    speed 3.932409 .4155128 9.46 0.000 3.096964 4.767853
    _cons -17.57909 6.75844 -2.60 0.012 -31.16785 -3.99034

    dann sind die Schätzer ß0 = -17.57909 und ß1 = 3.932409
    Damit kannst du dann auch die Regressionsgerade bestimmen:
    ß0+ß1*speed = -17.57909 + 3.932409 *speed = dist
    super, danke für deine hilfe.
    wenn ich beta0+beta1*speed rechne bekomme ich folgendes:
    display -17.57909+3.932409*speed
    -1.849454

    aber was sagt mir das?
    und was ist das bestimmtheitsmaß?

Seite 2 von 3 ErsteErste 123 LetzteLetzte

Ähnliche Themen

  1. Statistik SS 2012 - Aufgabenblatt 2
    Von wotan89 im Forum Statistische Datenanalyse
    Antworten: 26
    Letzter Beitrag: 24.10.2014, 16:38
  2. Statistik SS 2012 - Aufgabenblatt 1
    Von DonPromillo im Forum Statistische Datenanalyse
    Antworten: 98
    Letzter Beitrag: 17.03.2014, 11:28
  3. Vo 17.3.2012
    Von pitsi im Forum GdM: Management von Leistungsprozessen
    Antworten: 0
    Letzter Beitrag: 17.03.2012, 18:28
  4. 1. Öko-Vo am 5.3.2012
    Von Mario123 im Forum Ökonomik des öffentlichen Sektors
    Antworten: 6
    Letzter Beitrag: 06.03.2012, 08:16
  5. 1. Öko-Vo am 5.3.2012
    Von Mario123 im Forum Fragen & Support
    Antworten: 0
    Letzter Beitrag: 05.03.2012, 17:47

Berechtigungen

  • Neue Themen erstellen: Nein
  • Themen beantworten: Nein
  • Anhänge hochladen: Nein
  • Beiträge bearbeiten: Nein
  •  


Studenteninserate.at | Studenteninserate.de | MeinInserat.at | MeinInserat.com | MeinInserat.it | Immobar.it | Mobiler Büroservice+ | Kleinanzeigen Südtirol | RC-Flohmarkt.com | Auswandern nach Südtirol | Annunci Gratuiti