实证小李-六步法（找数据，想机制，跑基准，稳健性，内生性，异质性） 本次要讲的是-稳健性检验-安慰剂检验通常用于did做实证分析时，其他虚拟政策对y是没有影响的，现在一般采用permute检验，这个命令可以省去很多代码量，具体的视频讲解请移步：https://www.bilibili.com/video/BV1kH4y177VM/spm_id_from=333.999.0.0&vd_sou
1.回归的定义：找到一个函数，输出一个特征值，后输出数值。如：以过去房价数据预测未来的房价，李宏毅老师油管过去节目观看人数预测未来的最近节目观看人数。2.模型步骤： (1) 模型假设–线性模型：yi=xi*w+b 其中x为features,w为weight,b为bias；xi可以为多个feature. (2)模型评估–损失函数 在模型训练资料后得到了资料的分布，从数学的角度真实值y^到y轴的垂直函
转载
2024-09-06 18:52:51
88阅读
9.3使用数据集nerlove.dta，估计以下模型：其中，，，，与分别为电力企业的总成本、总产量、小时工资率、资本使用成本、燃料价格的对数。（1）使用稳健标准误，对方程进行OLS回归（2）计算VIF，是否存在多重共线性？（3）使用拟合值进行RESET检验，是否遗漏了非线性项？（4）在方程中加入lnq的平方项，重新进行回归（5）再次使用拟合值进行RESET检验，是否还遗漏了非线性项？（6）再次计算
转载
2024-05-13 20:16:42
4251阅读
分支结构的分析要点 if-else循环结构的分析要点 do-while、while、for话不多说，让我们开始新的征程吧！您的点赞、评论、收藏将是对我最大的支持，感恩安全路上一路前行，如果有写得不好或侵权的地方，可以联系我删除。基础性文章，希望对您有所帮助，作者目的是与安全人共同进步，也强烈推荐大家去看看钱老师的视频，加油~ 文章目录一.C++逆向条件结构基础入门1.单分支结构分析2.
1 标准误1.1 定义标准误（Standard Error）是用来衡量统计样本估计量（如均值、回归系数等）与总体参数之间的差异的一种统计量。标准误衡量了样本估计量的变异程度，提供了对总体参数的估计的不确定性的度量。标准误越小，表示样本估计量与总体参数的估计越接近，估计越稳定。1.2 计算公式2 聚类稳健标准误聚类稳健标准误的计算方法通常涉及到对观察数据进行分组，然后在每个组内计算残差平方，并最终将
转载
2024-07-01 21:27:17
1874阅读
Stata进阶2在一般的模型中，被解释变量的取值是连续的，如果解释变量是离散的（比如，虚拟变量），则不会影响回归。但有时被解释变量是离散的，而非连续的。那么就要选择相应的离散选择模型进行分析。一、二值选择模型1.线性概率模型、logit与probit模型直接以案例进行讲解，以数据集womenwk.dta为例，估计决定美国妇女就业与否的二值选择模型。该数据集包括以下变量：work(是否就业)，age
对于二分类问题，机器预测的和实际的还是会有所偏差，所以我们引入以下几个概念来评价分类器的优良。一、TP、TN、FP、FN概念首先有关TP、TN、FP、FN的概念。大体来看，TP与TN都是分对了情况，TP是正类，TN是负类。则推断出，FP是把错的分成了对的，而FN则是把对的分成了错的。（我的记忆方法：首先看第一个字母是T则代表分类正确，反之分类错误；然后看P，在T中则是正类，若在F中则实际为负类分成
转载
2024-08-13 10:10:01
58阅读
稳健回归（Robustness regression）最小二乘法的弊端之前文章里的关于线性回归的模型，都是基于最小二乘法来实现的。但是，当数据样本点出现很多的异常点（outliers），这些异常点对回归模型的影响会非常的大，传统的基于最小二乘的回归方法将不适用。比如下图中所示，数据中存在一个异常点，如果不剔除改点，适用OLS方法来做回归的话，那么就会得到途中红色的那条线；如果将这个异常点剔除掉的话
每天记录软件测试基础知识的问题，来源牛客网。用于自己软件测试的巩固。答案是根据自己的理解写出。如有错误，请纠正。1.什么是回归测试？回归测试是程序有问题，拿去修复，然后返回来，那么就需要回归测试，用于验证原有的功能仍然保持正常。2.软件缺陷等级如何划分。软件缺陷等级可从严重性和优先级来划分。严重性：1.致命错误（涉及到本模块和其他模块）。2.严重错误（本模块问题）。3.一般错误（本模块部分功能失常
1 基本使用方法statsmodels.nonparametric.smoothers_lowess.lowess(
endog,
exog,
frac=0.6666666666666666,
it=3,
delta=0.0,
xvals=None,
is_sorted=False,
missing='drop',
转载
2024-04-04 15:47:57
175阅读
稳健OLS回归方法1 什么是稳健OLS在使用OLS(普最小二乘)回归时，如果存在离群值或极端值(不是人为记录错误)，那么OLS回归变得非常困难，因为没有充分证据可对极端数据进行剔除。此时稳健OLS成为较好选择：稳健OLS在剔除极端数据和保留极端数据中寻找到一种权衡，而非如OLS那样“平等”利用各观测数据。在具体估计时，对观测数据的稳健情况进行赋权，也就是将OLS转变为加权的OLS(WLS),也称为
转载
2023-12-07 00:38:47
158阅读
很久之前的一篇文章，最近终于收到了Reviewers的回复（一把心酸…其中有一个Comments如下，意思是我们原先的文章没法证明共词聚类方法的结论是合理的…于是打算新增加一个稳健型检验（robust analysis），由于上次做这部分实在太久远了，这次用一个小样本将共词聚类分析的过程记录下来。Comments to the Author Overall, this manuscript nee
稳健回归稳健回归（robust regression）是统计学稳健估计中的一种方法，其主要思路是将对异常值十分敏感的经典最小二乘回归中的目标函数进行修改。经典最小二乘回归以使误差平方和达到最小为其目标函数。稳健回归(robust regression)是将稳健估计方法用于回归模型，以拟合大部分数据存在的结构，同时可识别出潜在可能的离群点、强影响点或与模型假设相偏离的结构。当误差服从正态分布时，其估
转载
2023-10-28 12:52:28
122阅读
众所周知，最小二乘法对于异常值非常敏感，所以在面对污染数据时常常需要稳健方法。Huber提出的M估计是最流行的稳健回归估计量之一。常用的稳健估计方法通常都是针对回归模型，或者说是基于最小二乘方法。对于回归模型最小二乘法得到的估计量为本文介绍了几种基于回归模型的稳健估计方法。1.Huber回归估计量为其中 ，为预先给定的阈值。由上式可以看出，在残差绝对值小于阈值时，仍然采用平方损失。在残差
一、基本了解（一）定义汇总1、稳健性（robustness）是产品对各种噪声的抵抗能力，反应为产品质量特性的变异程度。变异程度小的产品稳健性高。2、噪声噪声是引起质量变异的干扰因素，有三种形式：①外部噪声。比如温度、湿度等使用环境因素。②内部噪声。比如产品在存储和使用过程中发生的材料变质、老化、磨损。③零件间噪声。严格地说，任何两件产品的同一零件都不会完全一样。3、稳定性（stability）当一
转载
2024-02-21 15:29:20
167阅读
四、回归算法 4.1线性回归 4.1.1线性回归的原理 回归问题-目标值是连续型数据  
Robust Variance模块中的函数用于计算线性回归、逻辑回归、多类逻辑回归和Cox比例风险回归的稳健方差（Huber-White估计）。它们可用于计算具有潜在噪声异常值的数据集中数据的差异。此处实现的Huber-White与R模块“sandwich”中的“HC0”三明治操作完全相同。  
转载
2024-05-29 10:16:56
106阅读
1.简单线性回归1.1 什么是简单线性回归kNN算法属于分类(Classification)，即label为离散的类别型(categorical variable)，如：颜色类别、手机品牌、是否患病等。而简单线性回归是属于回归(regression)，即label为连续数值型(continuous numerical variable)，如：房价、股票价格、降雨量等。那么什么是简单线性回归？所谓简
转载
2024-07-01 05:20:31
39阅读
调用robustfit函数作稳健回归regress函数和regstats函数利用普通最小二乘法估计模型中的参数，参数的估计值受异常值的影响比较大。robustfit函数采用加权最小二乘法估计模型中的参数，受异常值的影响就比较小。robustfit函数用来作稳健的多重线性或广义线性回归分析，下面介绍robustfit函数的用法。1.4.1．robustfit函数的用法robustfit函数有以下几种
转载
2023-12-25 21:39:52
555阅读
抗差估计抗差估计的原理抗差估计是近代测量平差范畴，又名稳健估计（robust estimate），据杨院士说中科院系统喜欢称之为抗差估计，武大喜欢称之为稳健估计。我们的测量值是随机变量，符合正态分布的，如果出现粗差（gross error）的话，我们在应用最小二差或卡尔曼滤波的时候就会使结果偏离真实值（滤波发散）的现象。我们解决粗差或系统误差的时候，可以从两方面去理解，均值漂移或者方差膨胀，抗差估
转载
2024-02-24 11:32:12
182阅读
