Pooling data in stata forex

Eu pensei que a partilha de dados simplesmente significava combinar dados anteriormente divididos em categorias. Essencialmente, ignorando as categorias e tornando o conjunto de dados um conjunto gigante de dados. Eu acho que esta é uma questão mais sobre terminologia do que a aplicação de estatísticas. Por exemplo: eu quero comparar 2 sites, e dentro de cada site eu tenho dois anos de tipos (bons e pobres). Se eu quiser comparar os 2 sites em geral (ou seja, ignorando os tipos do ano), é correto dizer que estou juntando os dados em cada site. Além disso, uma vez que vários anos de dados compreendem os bons e os pobres tipos de ano , Também é correto dizer que estou juntando os dados entre os anos para alcançar o bom ano e os dados de ano ruim definidos em cada site. Obrigado pela sua ajuda. Mog perguntou 27 de junho às 16:03. Sim, seus exemplos estão corretos. O Oxford English Dictionary define pool como: 1.1 trans. Para lançar em uma ação comum ou fundo a ser distribuído de acordo com o acordo de combinar (capital ou interesses) para a especificação de benefício comum. De companhias ferroviárias concorrentes, etc. Para compartilhar ou dividir (tráfego ou recibos). Outro exemplo seria: você mede os níveis sanguíneos da substância X em machos e fêmeas. Você não vê diferenças estatísticas entre os dois grupos para que você junte os dados juntos. Ignorando o sexo do sujeito experimental. Se é estatisticamente correto para fazê-lo depende muito do caso específico. O agrupamento pode referir-se à combinação de dados, mas também pode referir-se à combinação de informações em vez de dados brutos. Um dos usos mais comuns do pooling é estimar uma variância. Se acreditarmos que 2 populações têm a mesma variância, mas não necessariamente a mesma média, então podemos calcular as 2 estimativas da variância de amostras dos dois grupos, então agrupá-los (tomar uma média ponderada) para obter uma única estimativa de A variância comum. Não calculamos uma estimativa única da variância dos dados combinados, porque se os meios não forem iguais, isso irá inflar a estimativa de variância. Respondeu 27 de junho 11 às 16:26 Se o tamanho da amostra for igual, então a média simples tende a funcionar. Geralmente, damos a cada ponto de dados o mesmo peso, a fórmula padrão é multiplicar cada variância pelos graus de liberdade (ou o número no denominador para o grupo, n-1), então somar todas as peças, então dividir pela soma de Os graus de liberdade (todos os ni-1). Ndash Greg Snow 27 de junho 11 em 18: 30Stata: análise de dados e software estatístico Considere o modelo de regressão linear e deixe-nos fingir que temos dois grupos de dados, grupo1 e grupo2. Podemos ter mais grupos, tudo o que se diz abaixo, generaliza para mais de dois grupos. Poderíamos estimar os modelos separadamente digitando ou poderíamos agrupar os dados e estimar um modelo único, de modo único. A diferença entre essas duas abordagens é que estamos restringindo a variação do residual para ser o mesmo nos dois grupos quando agrupamos os dados. Quando estimamos separadamente, nós estimamos Quando reunimos os dados, nós estimamos Se avaliamos esta equação para os grupos separadamente, obtemos N (0, sigma 2) para o grupo 1 N (0, sigma 2) para o grupo2. A diferença é que nós Agora restringiu a variância de u para o grupo1 para ser o mesmo que a variância de u para o grupo2. Se você realizar esta experiência com dados reais, você observará o seguinte: Você obterá os mesmos valores para os coeficientes de qualquer maneira. Você obterá diferentes erros padrão e, portanto, diferentes estatísticas de teste e intervalos de confiança. Se você é conhecido por ter a mesma variação nos dois grupos, os erros padrão obtidos a partir da regressão combinada são melhores se forem mais eficientes. Se as variâncias realmente são diferentes, no entanto, os erros padrão obtidos a partir da regressão agrupada estão errados. 2. Ilustração (veja o arquivo do-arquivo e o log com os resultados na seção 7) Eu criei um conjunto de dados (contendo dados inventados) em y. X1. E x2. O conjunto de dados tem 74 observações para o grupo 1 e outras 71 observações para o grupo 2. Usando esses dados, eu posso executar as regressões separadamente digitando ou posso executar o modelo agrupado digitando que fiz isso no Stata, e isso me permite resumir os resultados. Quando eu digitei o comando 1, obtive os seguintes resultados (erros padrão entre parênteses): e quando eu executei o comando 2, eu obtive quando eu executei o comando 3, eu obtive. A intercepção e os coeficientes em x1 e x2 em 3 são os mesmos que em 1, mas os erros padrão são diferentes. Além disso, se eu somar os coeficientes apropriados em 3, obtive os mesmos resultados que 2: Os coeficientes são os mesmos, estimados de qualquer maneira. (O fato de que os coeficientes em 3 estão um pouco fora daqueles em 2 é apenas porque eu não escrevi dígitos suficientes). Os erros padrão para os coeficientes são diferentes. Eu também escrevi o valor estimado de Var (u), o que é relatado como RMSE na saída de regressão Statarsquos. Em termos de desvio padrão, você tem o d. 15.528 no grupo 1, 6.8793 no grupo 2, e se restringirmos esses dois números muito diferentes para serem iguais, o agrupado s. d. É 12.096. 3. Armazenando dados sem restringir variância residual Podemos agrupar os dados e estimar uma equação sem restringir as variações residuais dos grupos para serem iguais. Anteriormente, nós digitamos e começamos exatamente da mesma maneira. Para isso, adicionamos no acima, a constante 3 que aparece duas vezes é 3 porque havia três coeficientes estimados em cada grupo (uma intercepção, um coeficiente para x1 e um coeficiente para x2). Se houvesse um número diferente de coeficientes estimados, esse número mudaria. Em qualquer caso, isso irá reproduzir exatamente os erros padrão relatados pela estimativa dos dois modelos separadamente. A vantagem é que agora podemos testar a igualdade de coeficientes entre as duas equações. Por exemplo, agora podemos ler imediatamente os resultados de regressão agrupados se o efeito de x1 é o mesmo nos grupos 1 e 2 (resposta: é bg2x10.) Porque bx1 é o efeito no grupo 1 e bx1bg2x1 é o efeito no grupo 2, então A diferença é bg2x1). E, usando o teste. Também podemos testar outras restrições. Por exemplo, se você quisesse provar a si mesmo que os resultados de 4 são os mesmos que digitar regress y x1 x2 se group2. Você poderia digitar 4. Ilustração Usando os dados inventados, eu fiz exatamente isso. Para recapitular, primeiro eu avaliei regressões separadas: e então corri a regressão variância-restrita, e então corri a regressão sem variante, apenas para lembrá-lo, aqui é o que os comandos 1 e 2 relataram: Aqui está o comando 4 relatado: Esses resultados são iguais a 1 e 2. (Não preste atenção ao RMSE relatado por regredir nesta última etapa, o RMSE relatado é o desvio padrão de nenhum dos dois grupos, mas é uma média ponderada, veja as Perguntas frequentes sobre isso, se você Se você deseja saber os erros padrão dos respectivos resíduos, olhe para trás na saída das instruções resumidas digitadas ao produzir a variável de ponderação.) Nota técnica: emsp Ao criar os pesos, nós digitamos e de forma semelhante para o grupo 2. O 3 que aparece no fator de normalização da amostra finita (r (N) -1) (r (N) -3) aparece porque existem três coeficientes por grupo sendo estimados. Se o nosso modelo possuísse menos ou mais coeficientes, esse número mudaria. Na verdade, o fator de normalização da amostra finita muda muito pouco. No trabalho real, eu teria ignorado e digitado, a menos que o número de observações em um dos grupos fosse muito pequeno. O fator de normalização foi incluído aqui para que 4 produza os mesmos resultados que 1 e 2. 5. A (falta de) importância de não restringir a variância Importa se restringir a variação Aqui, não importa muito. Por exemplo, se depois de testar se o grupo 2 é o mesmo que o grupo 1, obtemos Se, em vez disso, tivéssemos restringido as variâncias para serem iguais, estimando o modelo usando e depois repetido o teste. A estatística F relatada seria de 309,08. Se houvesse mais grupos, e as diferenças de variância eram ótimas entre os grupos, isso poderia se tornar mais importante. 6. Outra maneira de se ajustar ao modelo de modificação sem restrições do comando Statarsquos xtgls, painéis (het) (ver xtgls) se encaixa exatamente no modelo que descrevemos, a única diferença é que ele não faz todos os ajustes de amostra finita, então é Os erros padrão são apenas um pouco diferentes dos produzidos pelo método que acabamos de descrever. (Para ser claro, os xtgls, os painéis (het) não fazem o ajuste descrito na nota técnica acima, e não faz com que os ajustes de amostra finita se registem, então as variâncias são invariáveis ​​normalizadas por N. O número de observações, Em vez de N - k. Observações menos número de coeficientes estimados.) De qualquer forma, para estimar xtgls, painéis (het). Você compartilha os dados como sempre, para estimar o modelo. O resultado de fazer isso com meus dados de ficção é Estes são os mesmos coeficientes que sempre vimos. Os erros padrão produzidos por xtgls, painéis (het) aqui são cerca de 2 menores que os produzidos por 4 e, em geral, serão um pouco menores porque xtgls, painéis (het) é um estimador assintoticamente baseado. Os dois estimadores são equivalentes assintoticamente, no entanto, e de fato rapidamente se tornam idênticos. O único cuidado que eu recomendaria não é usar xtgls, painéis (het) se o número de graus de liberdade (observações menos número de coeficientes) for inferior a 25 em qualquer um dos grupos. Então, a abordagem de OLS ponderada 4 é melhor (e você deve fazer o ajuste de amostra finita descrito na nota técnica acima). 7. Apêndice: resultados do do-file e log fornecidos acima 7.1 do-file O seguinte arquivo de arquivo, chamado uncv. do, foi usado. Até a linha que lê ldquoBEGINNING OF DEMONSTRATIONrsquo, o do-file está preocupado com a construção do conjunto de dados artificial para a demonstração: uncv. do O arquivo do-do mostrado em 7.1 produziu a seguinte saída: uncv. log