Les posteurs les plus actifs de la semaine
Aucun utilisateur |
Sujets les plus vus
Adjusted R-squared with fixed-effects model :help please
2 participants
Page 1 sur 1
Adjusted R-squared with fixed-effects model :help please
Bonsoir,
j'ai un panel cylindré et après avoir effectué le test d'Hausman mon modèle est à effet fixe (sachant que j'ai trop de variables binaires: 0-1).
ma question est à propos le R² et le R² ajusté de ma régression.
j'ai utilisé les deux commandes:
* xtreg y x, fe
estimates store fe
* areg y x, absorb(id)
estimates store areg
les deux commandes donnent deux R² différents :
* selon la commande xtreg --> R-sq: within = 0.0082
* selon la commande areg --> R-squared = 0.3650
Lequel je dois utiliser pour montrer à quel point Y est expliqué par X? (comme vous voyez, R² selon la commande areg est le plus intéressant).
Merci d'avance
j'ai un panel cylindré et après avoir effectué le test d'Hausman mon modèle est à effet fixe (sachant que j'ai trop de variables binaires: 0-1).
ma question est à propos le R² et le R² ajusté de ma régression.
j'ai utilisé les deux commandes:
* xtreg y x, fe
estimates store fe
* areg y x, absorb(id)
estimates store areg
les deux commandes donnent deux R² différents :
* selon la commande xtreg --> R-sq: within = 0.0082
* selon la commande areg --> R-squared = 0.3650
Lequel je dois utiliser pour montrer à quel point Y est expliqué par X? (comme vous voyez, R² selon la commande areg est le plus intéressant).
Merci d'avance
amel- Nombre de messages : 20
Date d'inscription : 06/10/2012
Re: Adjusted R-squared with fixed-effects model :help please
Pas de réponse ?
amel- Nombre de messages : 20
Date d'inscription : 06/10/2012
Re: Adjusted R-squared with fixed-effects model :help please
Le R2 est le rapport entre la variance expliquée par le modèle et la variance totale de l'échantillon. C'est une mesure de l'ajustement du modèle à l'échantillon lui-même. Le R2 ajusté corrige le R2 du nombre de degré de liberté. Il peut donc plus ou moins être considéré comme une mesure de l'ajustement du modèle à la population dont est issu l'échantillon.
Pour mieux visualiser la différence entre ces deux valeurs, prenons le cas d'une régression polynomiale avec 10 points de mesure à des abscisses différentes. On peut faire passer une polynôme de degré 9 par tous ces points et dans ce cas le R2 vaut 1. On peut aussi voir facilement que le R2 est croissant en fonction du degré du polynôme. Le R2 ajusté passera par un maximum en fonction du degré du polynôme puis va décroitre pour être très mauvais pour un polynôme de degré 9.
Donc, en statistique inférentielle, il faut toujours raisonner à partir du R2 ajusté.
Pour mieux visualiser la différence entre ces deux valeurs, prenons le cas d'une régression polynomiale avec 10 points de mesure à des abscisses différentes. On peut faire passer une polynôme de degré 9 par tous ces points et dans ce cas le R2 vaut 1. On peut aussi voir facilement que le R2 est croissant en fonction du degré du polynôme. Le R2 ajusté passera par un maximum en fonction du degré du polynôme puis va décroitre pour être très mauvais pour un polynôme de degré 9.
Donc, en statistique inférentielle, il faut toujours raisonner à partir du R2 ajusté.
Florent Aubry- Nombre de messages : 251
Date d'inscription : 02/11/2015
Re: Adjusted R-squared with fixed-effects model :help please
Florent Aubry a écrit:Le R2 est le rapport entre la variance expliquée par le modèle et la variance totale de l'échantillon. C'est une mesure de l'ajustement du modèle à l'échantillon lui-même. Le R2 ajusté corrige le R2 du nombre de degré de liberté. Il peut donc plus ou moins être considéré comme une mesure de l'ajustement du modèle à la population dont est issu l'échantillon.
Pour mieux visualiser la différence entre ces deux valeurs, prenons le cas d'une régression polynomiale avec 10 points de mesure à des abscisses différentes. On peut faire passer une polynôme de degré 9 par tous ces points et dans ce cas le R2 vaut 1. On peut aussi voir facilement que le R2 est croissant en fonction du degré du polynôme. Le R2 ajusté passera par un maximum en fonction du degré du polynôme puis va décroitre pour être très mauvais pour un polynôme de degré 9.
Donc, en statistique inférentielle, il faut toujours raisonner à partir du R2 ajusté.
Merci Florent pour l'explication mais ma question demeure sans réponse
amel- Nombre de messages : 20
Date d'inscription : 06/10/2012
Re: Adjusted R-squared with fixed-effects model :help please
pour se baser sur Adj R-squared il faut opter pour la commande "areg" car la commande "xtreg" ne donne que R-squared
amel- Nombre de messages : 20
Date d'inscription : 06/10/2012
Re: Adjusted R-squared with fixed-effects model :help please
coucou, une réponse SVP c'est urgent !
amel- Nombre de messages : 20
Date d'inscription : 06/10/2012
Sujets similaires
» GMM model
» model de cox et variable quantitative
» Linear probability model (OLS avec variable dependante 1 é 0
» SPSS "Corrected model"
» Model mixte lineaire, usage
» model de cox et variable quantitative
» Linear probability model (OLS avec variable dependante 1 é 0
» SPSS "Corrected model"
» Model mixte lineaire, usage
Page 1 sur 1
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum
|
|