粉丝134获赞1148

做我和协调度模型分析必须搞懂这几个指标,呕和度息值、协调指数 t 值和我和协调度低值、呕和度息值。该值越大,说明系统间的相互作用越大。协调指数 t 值,请确保协调指数 t 值介于零到一之间,否则会导致低值范围出错。呕和协调度低值、呕和协调度低值介于零到一之间, 开值越大,说明系统间协调程度越高。具体我和协调度低值用于我和协调等级及标准划分,请参考一下表格,你学会了吗?如有其他疑问,请在评论区告诉我。

今天教你做我和协调度分析第一步,导入数据选择分析方法,我和协调度第二步,拖着样本查看结果,分析结果超清晰。智能分析分析建议帮助你进一步理解分析结果,还可以导出多种格式,你学会了吗?如有其他疑问,请在评论区告诉我。

这期介绍运行前端项目,用 idea 打开前端工程,在 vip 文件中找到并拷贝其中的 npm instant 命令,粘贴到 idea 底部的 turmonno 回车直行安装依赖,依赖安装完成后,再在 turmono 中执行 npm ren def 命令,则可以运行前端工程了。当默认浏览器出现若依登陆页面时,则说明前端项目运行成功了。

实验完成后用于文章中还需要对结果进行处理。在文章中有些直接放 wb 条带图就可以,但是一般趋势都很明显,也有一些会在下方标注相对灰度值,还有一些会添加柱状图展示其结果。 在这个过程中,我们通常用 ps 软件进行排版,然后用 image j 进行灰度值分析。 prism 软件作图,打开 ps 软件,新建一个画布,随后打开 wb 文件,选择标尺工具, 在起点位置单击鼠标按住不动,于终点位置松开,选择上方拉直图层,这样条带就是水平位置了,随后点击矩形框,选择工具 框住条带,移动制画布中。在不改变条带趋势的情况下,我们可以对图片进行曝光度调整。 同样方法把内餐拖入进来, 我们可以选中图片,点击编辑描边,设置描边宽度,描边色设置为黑色, 最后加上标注。 如果要进行灰度分析,我们利用 image j 打开之前排列好的 w b 结果图,选择 image j type, 确定其为 eight bits, 然后选择 process subject background, 去除背景色,然后点击 analyse set measurements, 选择面积平均密度灰密度,然后点击 analyse set scale, 设置为 pixel, 然后选择矩形框工具,框住条带,然后选择 analyze gels select first lane, 然后再次选择 analyze gels, 选择 plot lanes。 几个孔对应结果封,选择直线工具,将开口的封封闭, 最后选择魔棒工具,依次点击各风弹出的对话框中就是个孔的灰度值。同样方法我们可以获得内参的灰度值, 我们需要将目的条带灰度值除以内参条带灰度值。最后对数值进行均一化处理 及对照组长设为一,其他孔为相对于对照组的倍数。然后我们可以把最后的数据结果写在条带下方,也可以总结三次重复实验结果做成柱状图放在条带旁。 对于 wb 结果,条带的灰度值表示其不同处理下,相对于对照组的蛋白含量、表达量高低情况。下期我们学习 q p, c r。


同学们大家好,欢迎来到极乐数据课堂,我是倪老师,今天给大家介绍的一款软件叫斯贝塔,它是一款统计软件, 我先介绍一下我们的课程特色啊,相信大部分同学都去网上看过一些视频,特别是连老师的视频啊, 林老师的视频其实讲的非常好,每一个视频的时长也是比较长的,内容讲的非常的细,主要是从理论然后实践操作这么整个过程来说。但是对于刚入门学习斯蒂达同学来说啊,这类的视频我还是不建议大家去看,因为 通过一个半小时的学习下来,你可能真正掌握的内容其实只有一点点,比如说你只会导入的一个数据,对吧?但是你浪费了你一个半小时。我们这个课程的特色呢,就是经练啊,比较干货,并且偏应用。 大部分同学来学习我们这个软件主要还是为了去啊做一个实证分析,然后完成你的毕业论文,或者是头一片好的旗开。 那么我们的应用其实就非常重要。这个课程啊,我们的特色就是啊,在较短的时间里,然后让你掌握斯德塔,并且能够自己去做一篇论文。 那么我们啊讲了我们的课程特色,那相信大部分同学啊,还不知道实证是什么东西,那我这边先给大家简单的介绍一下什么叫实证实证,简单的说就是去用数据验证我们的一个结论。 那怎么用数据去验证我们的结论呢?我再举一个粗俗的例子啊,比方说我们现在有一个研究主题,就是想研究饭量对上升高的一个影响啊,我们都 知道饭吃的越多,人就长得越高,对吧?这个其实就是我们的一个理论预期,现在我们去找一份数据,比方说你把全国所有人的一个 饭量以及身高的数据被统计下来,然后我们去研究这两者的关系,基于这一份数据去研究这两者的关系,并且得到了 饭量是促进长升高的啊,那你现在做的就是一个实证分析,就是通过数据去得到一个结论。好,那么 我们现在来看一下整一个课程啊,我们会讲到哪些东西啊?接下来我们所有的课程就是按照这一个思路来的,那这个思路我主要是按照实证分析的啊,一个框架给大家梳理的。那么在做实证分析之前,大家都知 知道啊,我们需要有一份数据,那这份数据我们肯定是要对他进行一个整理和清洗,不然的话你是没有办法进行实证分析的啊,除非你这份数据是哪里买来的,对吧?相信大家自己下载下来的数据啊,都是一份一份零散的,必须要进行清洗和整理。 那整理完数据之后,我们要做的就是实证分析了,实证分析主要分为四个模块,第一个就是对于你对于你前面那份数据的一个描述性统计啊,它里面主要分为五个,一个是 n 就是你的样本量, me 就是样本的一个均值啊, m i n m a x 就是样本变量最小值和最大值, sd 就是标准差,主要包含这五项指标来对你的数据进行一个详细的描述,做完数据描述之后就进 我们的第二步主回归,主回归就是去验证我们这篇文章的一个主题结论,也就是主要的结论 还是从我们前面的那个例子来说,我们想研究饭量对长身高的影响,那么你的主回归就是要去验证你的饭量对你长身高的影响是什么?是促进的还是意志的?那当然这种影响我们必须存在于一些模型去做。 接下来我们的课程中啊,会讲 ous 模型,也叫混合回归模型, fe and r e 这个叫固定效应模型和随机效应模型, gmm iv 啊,以及 did。 did 这个模型呢,其实和前面的模型差别有点大,它是一个啊,独立的模型,就是跟前面其实没什么关联啊,为什么要讲 did 这个模型?因为这个模型现在比较流, 而且他发好的期刊非常好发,所以说我把它单独拿一块出来讲。第三部分叫扩展研究,也叫深入研究, 也就是把我们的文章的结论进一步挖掘,我们验证了饭量会促进一场升高。那么如果我把这份样本划分成两份,一份是男性,一份是女性,我们去比较男性和女性之间的一个差异,也就是吃同样的饭,男的长得高还是女的长得高, 这个其实就叫深入研究啊,也就是我后面给大家列出来的一个分组回归这么一个东西。当然我们后面还会介绍更多的一个深入研究啊,就是中介效应以及调节效应。 第四部分就是我们的稳健性检验了,稳健性检验主要是对我们的主回归进行一个进一步的验证,也就是你前面做了一次,结果其实 存在一定的偶然性,不太可靠,我们让这个结果更可靠一点,就要做一个稳定性检验。稳定性检验 啊,主要是包括以下三种方式,一个是替换变量,一个是变换模型,一个是数据样本的变换。 我们前面用吃饭,用饭量,呃呃,我们前面去研究饭量对长身高的影响,那么饭量如果我们前面是用一天吃饭的次数,就是吃一次饭还是两次饭,吃三次饭来衡量的话,呃,我们可以得到吃饭的次数越多, 你的身高越高,其实也就是验证了饭量越大,你的身高越高,对吧?那么如果我把这个次数 啊变成另一个东西,就是饭量,我不用次数来衡量,用我一天吃几斤大米来衡量,那其实吃的大米的斤数越多,也其实能够 说明我们的饭量越大,对吧?从而也是验证了我们饭量对长身高的影响,就是说把次数换成了吃几斤纳米, 这个就叫做替换变量的五金星。当然我们的方法还有后面两个啊,这个在后面的课程中我们会给大家强详细的介绍。经过上面四个步骤啊,其实我们就把 整个实证分析给做完了啊。在做完实证分析之后呢,我们其实还要讨论一下文章的一个内存性 啊,内生性它是一个问题,它会造成你回归结果的一个偏恶,所以说这个问题啊非常重要。为什么重要? 因为我们在发一些比较好的期刊的时候,神高老师只要看到你的文章中没有去讨论这个内存性,你的文章一定会被 d 稿,所以说我把它单独列为一个专题来给大家进行详细的讲解。 呃,接下来就是我们显著性调整的一个专题课,因为我们理论是理论,实际是实际,真的我们去做一份实证的时候,你做出来的结果往往是不显著的 啊,基本上两篇里面就有一篇是不显著的,那这个时候你怎么办呢?不是说直接换个题目对吧?或者是重新再找一个数据去做,我们其实是可以通过合理的计量方法给他调整到显著的啊,所以说这一个专题课程呢,实用性非常的高, 到这里为止,我们整个实证分析就已经做完了,那么接下来你就是要去写你的一个 论文的文字了,那么论文的文字其实它里面也有很多的讲究,也有很多大家不了解的东西,接下来我会给大家梳理,就是论写论文的一个重点是在哪里?就是每一个 章节里面到底该怎么去写他,你的导师才会喜欢,省高老师才会喜欢,文章才会更好发。最后就是我们的一个实战训练营,就是基于我们前面学过的一些内容,我会给大家进行一些实战训练啊,来巩固我们所学的一个内容。 最后的话我再给大家看一个呃,实证做完的一个呃案例是怎么样的? 刚刚我们讲过啊,实证分为四个模块,一个是描述性,那其实这个就是我们描述性统计的一个表格做出来的样子,就是这样子的啊,其实这个表格并不需要我们手动去做啊,斯贝塔 会给我们直接输出出来,最后就是长这样。第二块就是我们的主回归,也就是去验证 x 对外的一个影响 啊。最后做出来的表格是这样子的,这个其实软件也会直接给我们说出来,通过银行代码就可以了。 第三部分是扩展研究,其实我们这里做的扩展研究也就是对样本进行了划分,分为的 state 为零, state 为一的两个样本,然后去研究这两个核心,解释变量对你应变量的一个影响是怎么样的 啊?这里其实就是做了一个分组回归。最后第四步骤就是我们的稳定性检验,也就是 啊对主回归的结论的进一步验证。这里用的方法是替换变量啊,但是这里做了两个,一个是替换了 y, 还有一个是替换了 x。 前面我们可以看到用的都是罗恩佩特的,一,这边换成了罗恩佩特的,二替换了音变量,然后前面用的都是 siri ems, 二,一,这里替换成了 siri rms, 二, 替换了你的核心音变量,这个叫替换,呃,变量的一个文件性。好,那我们第一节课就先上到这里。

大家好,欢迎来到塞塔数据分析入门课程,我是车水老师,本节课我们要讲的内容是相关性检验以及差异性分析。 相关性检验呢,我们主要讲用皮尔森相关系数做数据之间的相关性检验,然后差异性分析呢,也就是我们经常用的两样本均值体检验。我们先来看相关系数检验, 相关系数检验呢,有两个命令,第一个呢是 colulate, 然后第二个呢是 pwcorr, 然后他们的使用方法呢,都是直接在命令的后面加入要检验相关系数的变量名称,嗯,然后这个变 量的个数是没有限制的,多少个都可以,也没有。呃,是否是连续变量或者分类变量的限制? 然后,嗯,使用完这个相关系数之后,我们再来学习一下如何将结果导出,非常的方便快捷。好,我们用随塔来操作一下, 打开度文档,然后还是要记得先保存一下 相关信检验。好。嗯,我们来调用一份 数据,我们今天来调用一下,嗯,我们还调用我们之前比较熟悉的吧凹头,然后我先 ctrl d 运行一下 samurais, 我发现啊,这些数据,那我要计算这些数据之间的 p 二三相关系数呢,那我用第一种方法用 correct, 然后直接在后面加入变量名称,比如说第一个是 press, 第二个是 mpg, 嗯,第三个是二一 p 七八,然后再加一个,比如说 weight, 就或者 nice, 我用这个做一个示范,好,运行一下,然后他就会出来 这个 p 二三相关系数的这个表格非常的快。然后第二个命令呢,跟这个很类似,但是它前面的命令呢是 pwco 二二, 然后我们发现这两个表格其实是一样的,但是这个 pwcr 他相比于 covene 他有一定的改善,就是他在后面可以加一些选项,比如说,呃,我可以加一个显著性的选项, 就可以标出来显著性来试一下。好,这个他就会在下面呢,在每一个相关系数的下面标注这个相关系数的批值,就很 很清晰的看到这个相关系数他是否显著。然后还有一种方法呢,是直接在后面加,就是我不想显示这个相关系数的批值,我想显示他的呃 是百分之一的显中性水平显著还是百分之五还是百分之十,通过加星星来显示。比如说 如果批值小于小于零点零五的话,那我就在后面加一个星,那我所以这个后面的选项应该是四二,后面括号 号里面是零点零五,来运行一下,发现就是添加新号的这些, 那他代表的是系数在百分之五的显著性水平下显著,比如说这个零点九四六零是为和烂之间的 p 二三相关系数,然后他的批值呢是零点零零零零,是小于零点零五的,所以他后面带了一个信号, 就是这个意思。在平时的使用中呢,我们通常的情况下会用这个 pwc o r r。 好,然后我们来学习一下如何将这个这个表格的结果导出,当然我们可以直接这样全选,然后复制,但是那样的话,嗯,就是粘到卧的里面, 可能他就会很乱,不太不太好。我们来学习一下如何直接导出我们用这个 logos 这个命令,然后他的使用方法呢?是啊, logos, 然后逗号, 然后后面的选项呢?是要保存保存的名称,比如说我起的名字是 c y, r, 然后后面如果你要保存成 word 格式呢,就在后面加点 docdoc, 就是 word 的后缀,然后面再加一个 word replace, 然后 冒号,后面加我们刚刚的那个检验相关系数的语句就可以了。 logos, 然后逗号, 然后取一个名字,比如说我叫 c o r r d o c, 然后我要保存的格式呢?是 words, 然后冒号,然后现在我们要换行,所以用三个斜线来换行,第二行呢就写这个还扶持过来,我们来运行一下。 好,这样的话呢,我们这个结果就保存在这这里了,直接点击这个蓝色的就可以。 好,我们就发现了这个,呃,相关系数矩阵就已经输出到卧的里面了。 然后还有一种导出方法呢,是直接用啊, as, 这个在之前也是讲过的,然后在后面直接添加我们要做的这个命令就可以 啊,这里就发现,哎,等会后面再加一个 replace 的选项,因为他可能和之前的一起合并。 好,这就是我们的那个相关系数矩阵图,皮尔塞相关系数,那这两种方法都可以很好的导出, 我们平时呢用哪一种都是可以的,都比较方便快捷。然后第二 个第二部分,我们来学习一下如何做良药本。嗯,君子体检验 主要的命令呢,就是这个 t test, 这个就一目了然吗?我们要做 t 检验,所以就 tit test, 然后他使用的方法呢?就是 t test, 后面加要检验的变量名称,然后后面的选项呢?是 啊,两个样本的分类,分类标准,比如说我要检验已婚和未婚这两个,嗯,样本中的工资差异,那我们就要写 tetes, 然后 工资逗号,他的分组的类别呢?是已婚这个变量, 我们来引用一下那份工资的 for you。 好,那我想看就是不同的,呃婚恋状况,那他的工资有没有显著的差异?我们用 t test 位置,然后后面是 by marry 来看一下。 好,他呢,他就会给出,呃,因为 mary 的这个变量有两组,他给出两个组别中的,嗯,观测个数,嗯,均值标准差,标准物 标准差,然后百分之九十五的致信区间,然后呢,我们要关注的是最后一行,就是两个均值之间的差值, 然后他的原假设呢,是差值等于零,就是这个值等于零。然后贝则假设呢?有三种,第一种,贝则假设是单边检验吗?就是 这个均值,这个差值小于零。第二个倍则假设是差值不等于零。第三个倍则假设是差值大于零。然后我们平时可以用这个中间这种,也可以用后面这种, 那么我们看批值是否小于零点一,或者是否小于一点零五就可以知道,那这个原甲设是否要被拒绝,这就是 t 检验。那如果我想知道,就是 呃已婚和未婚这两组情况,这两个组别中啊,除了工资,我还想知道他们之间啊,我再看一下别的别的, 比如说除了工资之外,我还想知道这两个组别中的年龄是否有显著的差异。那我能不能在 tits 的位置后面直接加入一个 h 年龄这个变量呢?我们来试一下, 发现不行,他说你定义的这后面跟的变量个数太多了,所以我们就是知道这个 t 太子后面他只能加一个变量,那如果我想知道两个变量的差异怎么办呢?那我们就用第二个命令来执行。第二个命令呢 就是太体态爆粗,然后后的他的作用呢是可以检验两个以上的变量在不同类别下面的,呃,均值是否有差异,他的使用方法呢?就是后面跟上你的, 嗯两个以上的变量,然后面选项呢是,嗯不同组别的分类标准, 比如说我想知道 ttpo, 我想知道不同外面状况下工资以及年龄的差异,那我就后面跟上工资和年龄,然后再加选项。失败 运行一下就发现呢,这一就他两个变量的差异都 会给出来。这一这一组呢是单身的组别,这二这一组呢是已婚的组别,那他会给出 两个组别的均值,然后最后一列呢是两个组别均值的差值,然后这个星号呢代表显著性水平,我们现在不知道这个星号就是还是百分之几的显著性水平,我们可以再加几个变量进来。 you're all great, 呃,还有奥尔斯这个工作小时数,然后经验这么多,我都想知道他们的差异,这样呢我们就可以看出来了,就是三 一颗星呢是百分之一的显中性水平,一颗星是百分之十的显中性水平。嗯,比如说最后一行 totespens, 他在单身这一组的均值是十二点九二,在已婚这一组的 啊,均值是十二点三二零,然后他们的差值也就是第一组减减去第二组的差值是零点六,那这个差值呢?在百分之一的显著水平他下他不为零。所以说 啊,我们就可以的是结论说单身组和已婚组,他们两个组别的 经验是有显著差异的。好,所以这就是啊,显著性差异他的做法。这就是本节课的内容,我们讲了皮尔森 相关系数的计算以及导出,以及讲了如何用随他做均值体检验。

今天给大家分享的是如何通过新卡 p 软件快速处理 vc max 的数据,得到我们想要的多元统计分析结果。首先我们打开一张 vc max 的数据举证, 在这个数据举证里面我们可以看到每一个 id 信息对应的字和笔保留时间,以及这个画好物的名称,还有这个画好物对应的样本表达量信息。 一般情况下,各位老师拿到数据是分面积持这个地方,我们的数据是已经通过总分面积或分段面积皈依化的方法进行处理。 如果各位老师拿到的是封面机的值,建议各位老师做一个 log 二处理。处理的方式很简单, 只需要在这个地方通过 log 二这个数据举证进行处理即可选择对应的信息 以二为对数的底数,然后我们把所有数据往往后拉,往下拉,就得到我们所需要的这个数据处理之后的 log 数据举证了,那他会有这个,因为这个数字处理过,所以会有正职和副词的这个数字, 那我们现在就把它导入我们的这个新卡片软件。首先在这个地方呃新建一个工程,选择我们刚刚处理好的这个落二处理之后的数据选中。这一般情况下,我们会把带袖放在 s 头方向上,所以 这个地方会做一个转字。当然这一个步骤你也可以在以下表格里面进行处处理, 进来之后我们点选择菲律师会形成一个中间文件, 然后点自动礼盒,奥特店会出来第一组成分,第二组成分,总共有四个组成分,那我们继续下一步。选中这个地方可以,各位可以通过双击标题对这个名称进行修改, 那接下来比较关键的地方就是我们去调整一下这个分组,这边这个实验设计是六个样本为一, 所以这个地方的话,各位老师可以在呃右击选项进来之后有一个 of the vision 进行调整。 这个地方要选择 pc, 首先先选择 pca 模型, 自动礼盒出来,那这个图表就是我们的 pca 图,但是我们还必须对他做一定的调整,使他看起来更符合 s ci 文章发表的要求。 这边我们可以用不同的图标来进行调整,右击倒数。最后一个可以在我们的微信这边可以选择 level 去掉表面的这个 label, 那这张图就是我们平时都会用到的 pca 图。那我们接下来的话给大家再分享一个 oplsda 的图表,这个地方各位可以选中 psda 模型, psda 模型一般可以做呃两个及两个以上的这个数据,如果是 opsda 模型,一般建议大家就用两组数据去处理即可。 这还是自动离合啊,出来的结果就是我们现在的这个方式可以在这个地方去调整一下你的 level, 然后也可以在这个地方 style 里面选一下 austin。 好了,这就是是我们所需要的图表,然后可以通过这边 copy 的方式把这个图片给导出来。好了,今天的分享就到这里,科研有到点赞!


大家好,今天给大家分享一个学习成绩学必看的频道 stay quest 曾记住同级学讲到深度学习。看看这些红色进图条,都是博主亲自看完了觉得特别好才给大家推荐的。如果你曾经只是系统性的通过教科书学习过、梳理成绩,那么看了他的视频,你绝对会有种豁然开朗的感觉。 例如你能立即明白皮质原来是这样来的呀。更关键的是,他会用生动形象的动画展示灰色男的的模型原理,深入浅出,直击本质。需要学习统计选择,赶紧去看看吧!

今天讲一下在之前的开发过程中遇到的一个关于勾肾的小坑点。项目背景大致是这样的这里我们有一个工友的参数对象,里面有两个工友的字段,是 china tap 跟那个 sauce code。 这里有一个 com primer 的子类 vip primer, 它有自己一个特有的白手 content 的一个属性。 然后呢,我们在这里出示画一个 vip prime 的参数,然后我们调一下放方法,它主要是勾损序列画一下。我们可以来看一下输出结果。 这里没有任何问题,是正常输出的。我们可以看到接下来需求有一些变动,比如说我们又新增加了一个酷胖 pro primer, 然后它继承了 com primer。 并且在这里呢,他也需要 sp econtant 的这个字段。所以针对这种情况,一般会怎么做呢?就会有人复制一份这个 sp content 这个字段到这个 compo primer 里边来。这样的话呢,我们这个酷胖 primer 里边就天然支持了这个 sp content。 目前这么写看着其实是没有什么太大的问题的,我们接下来再去执行一下看看。 直接报错了,说是有重复的。这个自断是个 sp content。 这里呢就是我想说的一个坑,就是说我们用勾四去序列画的时候,负类和子类中不能有同名的字段,不然就会爆。如上图的这个错怎么解决呢?那我们把它换成勾接上去试一下看看。我们再运行一下 好了。我们可以看到正常输出。所以说呢,阶层中对于负累和自累中重复的自断是不存在这种问题。那如果说我们就要使用勾损的话,那怎么办呢?那这块的话其实也很简单, 只要我们去把这个子类中和负类重复的资段干掉就好了,这样就再用勾损的话就不会有什么问题了。我们可以跑一下看看,它是正常的。第二个问题呢,是不知道大家有没有注意到勾损跟接损它输出的一个区别。 在这里呢,我们输出一下杰森的一个序列化,然后我们再去看一看我们对应的勾森他序列化出来的是一个什么样子的,我们执行一下看看。可以看到他杰森的序列化是把我们对应字段首字母留大写 变成了小写,而勾算是不会进行变化的,这里在平时的开发过程中也是容易出现的一个坑点。当然这里只是简单说了一下他们的一些小问题,具体就是说他没什么区别,可以大家可以在自己去详细的了解一下。 最后有一个问题就是在我们平时使用的这些加瓦序列化框架中,他们哪些框架的序列化速度是比较快的呢?效率较高呢?

大家好,今天呢我给大家分享的这一期内容是有关于我们的 v h f 啊身高平台的一个 dnc 测试。大家首先要知道 dnc 它的英文全称是什么啊,也就是 digital selective calling 啊,数字选择性呼叫。大家都知道我们的 vhf 啊,包括 mfhf 中高频,他都有一个对外联系沟通的一个功能,那么我们要知道这个功能是否正常的情况下,需要定期对我们的 vhf, mfhf 中高频进行一个测试啊,每条船它所配备的 vhf 型号都是不一样的。那么接下来对于 dnc 的操作,我将一本船传播的 vhf 型号啊为大家 呃演示一下 dse 它的一个具体操作流程。首先我介绍一下我们全部的 dhf, 它是 trc 型号的啊,那么话不多说,接下来我们就 具体操作一下吧。来,我们把镜头切换到我们的 vhf 面板上,大家看到了一个 ch 十六十六频道,在这里我给大家补充一下,有几个频道是我们经常性用到的,一个是十六频道公共频道,还有一个是七十频道,也就是我们专门用于 dnc 测试的频道。 还有两个频道是呃,船舶跟船舶之间联系的是六频道,船舶跟直升机联系的是我们的十三频道,所以说对于频道的选择也很重要啊。话不多说,我们来进行一个 dse 的具体操作步骤。 首先第一步呢,我们要把我们的频道打在专门用于 dic 测试的七十频道上。第二步我们选择功率最大二十五瓦。第三步呢,就是我们的一个菜单操作了,点进去找到我们的 all ships call edit, 然后点进去啊,里面有一个,这里我要跟大家强调的是,我们在测试的时候 一般是常规跟安全操作,大家请看,我点进去之后,这里有一个预弦紧急安全 rooting, 就是我们的常规啊,我们在船舶不紧急的情况下,千万不要 把我们的 distress 给发出去了啊,这样子会给其他传播造成一个呃干扰啊,我们在选择我们的一般是用 safety 跟 rooting 来测试船对船之间的 dnc 操作,嗯,比如说我们用一个 rooting 吧,常规吧 点进去啊,大家请看,他这里其实有有显七十频道二十五瓦,然后这个时候呢,我们就直接按一个 calling 啊,看一下是什么样的一个效果呢, 听到了没?这就说明你的 dsc 发射成功了, 这是我们的第二台那个 vhf, 呃, stop ok。 那么针对于我们的 vhf dsa 的测试呢,我就跟大家分享到这里, 其实它的功能跟我们的 m f h f 中高频是一样的,我们在收到别传发给我们的 d s c 的时候,我们同样要回给 f knowledge。 那么这里我就不跟大家过多的去说了,说多了可能大家比较混 啊,如果你还没有学会的话,我建议你是去参考你们船上配备的设备说明书,他上面说的一定是比我详细的。今天的分享呢就到这里,如果你还有呃其他一些想知道的知识,可以在评论区说出来,我们可以一起探讨,一起找资料,一起学习, 反正人嘛,总是要在不断的学习中才能进步啊。今天的分享到这了,拜拜。
![stata超详细实证分析命令
👊企业-年份的面板数据实证--stata超详细命令
Ps:如果回归结果比较好建议还是使用控制企业和年份的双固定效应模型
⭕️下面详细讲解大部分文献对于企业-年份的面板数据的做法,控制行业+年份(更容易显著)
✅数据导入
use filename.dta,clear
✅数据处理1%缩尾
winsor2 var1 var2 var3,cut(1 99) replace
✅描述性统计,用下面这个命令可以把所有变量一起输出到word
outreg2 using statistic,word replace sum(log)
✅相关性分析
logout,save(cor) word replace:pwcorr_a var1 var2 var3, star1(0.01) star5(0.05) star10(0.1)
✅基本回归-控制行业+年份
如果行业和年份是数值型变量
reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业
如果行业和年份是字符型变量
xi:reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业
✅结果输出
reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业
est sto r1
outreg2 [r1] using result,word replace tstat bdec(4) tdec(2) keep(被解释变量 核心解释变量 控制变量)
✅分组回归-这里怎么分都行就举一个非常简单的例子,按照国有非国有划分,假设SOE变量取1为国有取0为非国有
reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业 if SOE==0
est sto r1
reg 被解释变量 核心解释变量 控制变量 i.年份 i.行业 if SOE==1
est sto r2
outreg2 [r1 r2] using result,word replace tstat bdec(4) tdec(2) keep(被解释变量 核心解释变量 控制变量)
✅稳健性检验-可以找一个类似含义的被解释变量或者核心解释变量的替换指标进行一次以上回归,如果还是一致显著那么就是结果稳健
#stata #毕业论文 #实证分析](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/d337bb8a8d80c72d2c6abd651c465597~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2110474800&x-signature=BE6%2FA9KA199kdDT48by6UxcLfTE%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=202611200303245FD983053FAD8EBAE0A1)

呦,大家好,我是 decky。 随着我的粉丝专业水平提升以及关注运动科学的人越来越多,今天呢,我将会给大家分享一期关于侧立台的事情。首先呢,侧立台这个东西长成这样,你现在其实可以看到这个侧立台,它其实是一个板。 在这个板上呢,他会你人站上去之后,他会在上面显示不同的波形,不同的波形代表不同的意思。站在这个板上之后,板会反映出你的力量以及速度。我简单给大家做一些科普。首先呢,你看图式的这两条线对吧,有一条这个线,有一条这个线, 蓝色的这条线代表力量和时间的图。然后这个橙色的这个线代表的是速度和时间的图。刚开始我们站在这个侧立板上之后呢, 我们就会反映出一定的力力,其实就是我们的体重 m 乘上九点八,呃,牛,每千克。这可以算出来一个数,他的值大概在这个区间,到这是一千,他还没到一千。 ok, 所以刚开始呢,这个区域其实就是他的体重。 他刚开始站着没有动,他做了一个什么动作呢?向下往后看,然后反向跳起来。这在运动科学的领域有一个专业的名词,叫做 cmj, 就是反向纵跳。根据我们在做起跳过程中的不同阶段,在侧立台上其实会有不同的名称。给大家简单科普一下。 首先呢,你看这一段他是自重,这一段呢叫做失重阶段。顾名思义,失重阶段。我们在测力板上,你看刚开始他的线在这里,当他到这个阶段之后,他的 ft 地图,也就是他的蓝色曲线开始往下走了,所以这一段其实他是失重阶段。后面这个第三个叫 breaking face, 叫做刹车阶段。在刹车阶段其实就很对应人类,所以我们起跳往下刹的那个过程 之后呢,我们再往后看这个第四个阶段叫做推进阶段,对第五个呢,就叫做腾空阶段,还有最后一个就是触地。然后接下来我们看看每一个阶段对应的 f 杠 t, 也就是他的力量曲线的变化是什么样的。 首先呢,你看他刚才站着没有动,他的力量在这里没有变。往后呢,失重阶段,他的 f 开始下降,但他的 f 不会一直下降,为什么呢?因为我们不可能人往下掉,我们始终发不上力,不把这个往下掉的这个力量给止住,如果不止住, 你就会一屁股坐在地上对不对?所以你会发力把这个往下的这个力量给顶掉。那我们继续往后看蓝色的曲线 f 杠 p, 你看他先往下后往上对不对? 所以在这个过程中,我们刚开始都发布成立。在这一段过程中,其实就是类似于你在原地原地阶段往下掉的这个过程。 当你能够发上力的时候,你就会发现这个 f 杠 t 的曲线,就是这个蓝色的曲线开始超过了你的体重。在这一阶段,其实我们就开始进入到刹车阶段了。 在刹车阶段的时候,我们就会开始发上力,然后力会越来越大,越来越大,越来越大。然后大家关注这个 g 这个点, g 这个点,当我们真正开始起跳的时候, 是不是我们的蓝色曲线就没有了,因为我们这时候已经跳起来了,跳起来之后在侧立板上就不会反应出来有曲线了。 ok, 我们继续往后看,跳起来,跳起来,最后啪一落地就有线了。 这个很有意思,其实对应着 f 杠 t 图。我们再看一下 v t 图,也就是这个 黄的这条曲线。我们看 v t 图, v 其实是一个向量单位,它是分方向的。在侧立板上, 如果微大于零,就代表微是向上,微小于零就代表微是向下。好,我们首先先看这个失重阶段。失重阶段的时候,我们的微也就是这一条橙色的曲线,他会一直往下掉,一直往下掉,一直往下掉,还是回到刚刚那个问题,他不会一直无限往下掉, 无限往下掉,我们就会一屁股坐在地上,如果你要起跳,你总会发出力量把他杀住,对不对?那当我们开始能够发上力量的时候, 这条橙色曲线就不会无限往下掉了,他就只能掉在这里了。然后我们关映关注这个必点。必点。其实在 f 杠 t 图上来看,我们发的力开始超过了我们原先的自重,所以你就会开始加速 你的微。比方说你刚开始是负三米每秒,他就会减到负二点米每秒,负零点几米每秒,直到你能够跳起来。所以我们继续往后看, 当你的蓝色曲线,就是你的 f 不断开始发力的时候,你的 v 其实也是在一直往上加速的。接下来就会有一个比较关键的点,在这个点我给大 标出来这个点,这个点的时候是微等于零,对不对?这叫横轴是零。当微等于零的时候,其实就是我们速度从负变成正的那个点,他对应我们这个起跳的阶段,就是由离心 转化成等长,转化成向心这个阶段。所以微等于零,这个时间点很关键,他是我们离心到向心转化的这个点。当微等于这个点往后,我们的肌肉收缩,其实就开始从离心收缩转化成向心收缩了。 同时我们也进入了这个第四个阶段推进期。在推进期的时候,你看我们的力量,蓝色这条曲线会自继续往上涨,同时我们的 v, 也就是我们的速度也会继续往上涨。在这个过程中,我们其实就已经开始往上开始加速了。加速的这个 过程,我们继续往后看看这个点,往后我们一直加速加速加速加速加速。大家想象一个这个道理啊,我们人在起跳过程中,重力加速度是往下,我们需要对自己发力,对地用力,把自己往上走。 所以就会产生一个情况,只要我们发出来的力比重力加速度要大。我们其实往上的过程中就是在加速的。当你能够发出的力开始小于 重力对你的力的时候,你其实就开始减速了,对不对? ok, 那我们继续回到这张图上。当我们的 f 刚提图,也就是这条蓝色的曲线,你看他开始一直发力,一直发力,一直发力,但是他不能无限发。当他发到开始小于我们重力,就 自身体重这个点的时候,其实我们的最大速度就已经到了。因为在这个过程中之后,我们就不会再发出比我们自身体重更大力,其实我们就已经开始减速了。但是在这个过程中呢,这个有一个点我需要大家专注一下, 就是你最大用力的这个点。 f 点和这个这个点其实是不在一个点的。当我们真正开始起飞的时候,你的 f 并不是最大的。 能明白这个意思吗?你在整个过程中,你不会在你起跳前最后一刻一定是你的最大用力,因为你可能在起跳之前就已经产生你的最大用力了。在这个之后再往后走,你的 f 其实就已经克服不了重力了。虽然 你还在发力,但其实你已经进入到了减速阶段。所以随着我们的时间继续往后推,当我们的力发不上的时候,突然消失的时候,我们就会已经跳起来了。跳起来,跳起来,跳起来, 最后落地。 ok, 今天的测力台分享就分享到这里,其实讲的相对比较基础, 如果你真的对运动科学感兴趣,你其实可以好好的听一下这节课。虽然这张图上面有很多这样那样的问题, 但是他其实是可以帮助我们对运动科学是一个入门阶段。大家对测理台的视频感兴趣,那么我会继续在出视频不断为大家科普。好了,今天就分享到这,大家好好消化一下。

今天的话我们只要讲一下如何将一份宽面板数据转化为长面板数据,宽面板数据就是咱们这种可能经常下载到的数据,就是变量和年份都在同一行,但是我们想得到的长面板可以用来做回归分析的数据,是变量在行的上面,然后 年份在裂上面,这样的话我们就需要用到一个蕊 ship 树,蕊 ship 就是改变的意思,改变它的形状的意思,浪就是转化为场面板长的意思。然后后面的话输入我们需要转化的变量, 然后再写上我们固定不变的一个量,就是我们的康锤是我们个体,他是固定不变的,然后这一页的话就是我们后面的年份,把它给提取出来之后就放在年份的上面,这样迷回车, 一回车我们把这个英文的,然后他就这样就可以进行了一个转化,我们可以看一下结果,这就是我们转化后的数据,他是非常规整的,看都是按从小到大从首字母顺序排列的 国家,然后年份,然后这他的变量值都非常的规整,这就是我们进行一个转化的步骤,如果大家喜欢的话就点个关注,谢谢。

大家好,我是李公。嗯,今天给大家讲解一下新版五点一的伽马使用教程。嗯,这个是昨天我发在群里的这个项目啊,咱们先看一下设计结果, 嗯,咱们看一下指标啊,发现第一阵型和第二阵型的那个频动系数 啊,不是很合理啊。按咱们那个设计的一个思路来讲,第一第二阵型按平动,第三阵型为扭转是比较合适的,所以说这个结构布置不是很合理,也包 包括啊,围一角,围一角,外向呢,围一角,不过大家可以先看一下这个结构布置,首先看阵型, 第一阵型没有太大问题啊,第二啊,阵型 明显就是外圈的缸度太弱了,内圈缸度太大,所以说咱们调周期的话,一般都是调外圈的缸度嘛。然后咱们怎么通过噶嘛来调整呢?咱们返回到那个建模菜单下 啊,一键科五点一的最新版噶嘛,可以进行一个交故事的体验,就不用像之前的版本直接 还是呃拉卡片这种这种操作了。咱们点击优化算法, 先看一下这个界面,他这个界面呢啊,就是类似于一年科那种设置参数的界面。首先咱们因为调周期或者调位移的话,肯定是双构件起决定性作用,还有周圈有点凉, 我已经把呃这个构建分好组了,第一组就是中圈的角柱 都定一个组,然后呢, 这个我我把这个分这几个柱子分为一组,因为加这几个柱子抗检,不过 我想通过调节面可能把它的抗检调过。然后第三组呢,就是周圈的这个两个外向的主梁,包括这个所有的外外向主梁都分为一个组,哎,我想把周圈的那个高度调大, 首先点这个柱结面优化,添加新的参数。呃,点选现有的分组除了点分组以外呢,也可以进行点选,就是点一个构件呃,识别就可以了。 比如我点选这个柱子,就发现这个柱子已经被选中了,我先把这个删了啊,或者是按标准层或者按洁面表啊,都可以,大家可以尝试一下。我点这个按分组选 选择,因为第一组是我的周圈角数,我点确定,然后他可以添加洁面裤,比如说添加一个洁面裤,或者是一个范围,比如说我这个按一个洁面裤来选择。点自定义洁面, 这个都是自己人为控制的,大家调魔性的阶段可能是要调什么尺寸,这个都是自己定义的,比如说我外方向增大五十,再添加一个,再增大一百, 先尝试一下加到,呃,一百五或者七百都可以啊,这 这个就设置完了,然后点击确定,这这个组的紧密优化替换就已经完成了,咱们点下一组, 第二组就是咱一呃标准层一的几个柱子,因为抗检,不过我想调整他的洁面,或者改他的洁面来调整他的抗检, 这样咱们这个我使用上下线,比如说我这个默认值是宽度是五百,看高度,五百下线值都按五百, 然后上限值宽度呢,我想把它调到七百左右,然后这个高度呢?因为抗检公示来说,嗯, 就是因为这个量宽是二百五,所以说按五百是比较合适的,或者调高也可以。呃,这个都是人为控制的,比如说我 啊,就调到七百吧,就随便输一个数值,然后这个都是人们控制的呀,就是他在这个五百和七百之间选择一个最合适的计算部长是五十啊,就是按五十的魔术来自逐逐逐步来进行一个确定 点确定这组都做完了,然后咱点击两节面优化, 也是选第三组。还是选择上下线的形式啊, 默认直,这个是外圈梁都是二百五啊,下线直呢,宽度都是二百五啊,上线直,我 因为宽度这个这个像我跨度并不是很很长,所以说我上线值调成三百,高度呢,原默认的原原来这个模型就是七百,然后下线值按七百,上线值我输到九百, 增加外圈的刚度点确定,这个时候呢,这个洁面参数就设置完成了,像咱们已有的噶嘛程序的话,他设置还得需要建卡片连线,还得建级别库,新版本噶嘛,直接点选几个参数就可以设置。 下一步看约束,约束就是咱的位移外向地震,然后小鱼等小鱼,然后约束只是学倒数就是 五百五十分之一啊,这个约束点添加这个就添加一个约束,如果添加其他约束就可以再选就可以了。选的比如说指高度比浅重笔,然后形成一个约束 啊,目标呢?目标的话,我目标就是想把周期的一个扭转评动系数给调整一下 啊,然后首先比如说点咱点周期,然后因为现版本的五点一,最新版这个没有支持这个评论系数只能在嘎嘛界面上完成。所以说咱们先设置个目标,或者咱目标设为质量 总指上最小也可以点确定,这个时候就进入这个优化这个菜单了啊,咱们先把这个关一下, 先关了这个绿化界面,然后大家看呢,其实他还是原本逻辑还是通过连线的形式来完成这个目标,只是把呃前面参数化,让连线自动连了。 咱们这个时候把目标改一下,因为目标的话,呃最快速优化。他没有那个结构指标啊,就是周期这个平头扭转系数,指甲系数这块,咱们把这个卡片建一下结构指标 周期,把这个连线连上, 这个可以看到这个是扭转系数啊,外向扭转技术, x 向扭转系数,然后以及 这项咱们可以看一下这个,这个到底是怎么选呢?其实很简单,咱看一下生意结果 s 项这个就是代表的是这个,外向是这个,这就是这个,咱们想的是把第一周期 那第一阵型要按就是外向平动系数调高一点啊,这个是可以是是比较合理的了已经,咱只调第二阵型和第三阵型啊,第二阵型呢,咱就是把 x 向平动系数调大啊,所以说咱们一个提取列表像, 所以呢啊,咱就是阵型,因为这个所以呢他是这么多阵型吗?咱只选取第二阵型,直接输入二, 这个时候就可以把 x 项的第二阵型的这个数值给提取出来,然后咱们通过这个方法再把嗯,这项就是第三阵型的扭转系数给 调个调出来 啊,这个就是把它给数据给提出提取出来了,然后咱把这个目标给删掉,因为咱这个目标这个目前并不是进行一个呃经济只经济性指标的一个优化,咱只是把周期给调过 啊,咱这个时候把目标连到这个里面啊,点到这个上面啊,因为咱们了解嘎巴的那个车技师肯定知道目标,这是目标最小是呃是软件的一个趋势吗?咱可以因为 周期这个系数越大,是咱们越大,是咱的最终目标越大越好,并不是越小越好,这个时候咱们可以通过这个 卡片倒数取倒数,就是他越呃越小,他倒数越大,所以说这个就是目标嘛, 来把目标在脸上 啊,这个就完成了,这个就完成这个这个项目所有的一个流程,最后点击优化就可以了 啊,输入你这个次数,比如说我的算五十个模型,点击优化就可以了啊,这个就是这个就是最新版的五点一噶吗?优化一个简单思路 啊,之后版本会增加这些周期的扭转,这扭转啊,平头系数这些东西。如果咱们目标呢,只是呃 降低进行指标或者其他的指标啊,软件就可以,你咱就可以不用进入这个模块,直接进入优化就可以了啊。所以说新版本的五点一啊,操作起来是比之前要简单很多的, 除了这个算法优化以外啊,就是目标就是这些指标等等,其他还有洁面优化,比如说咱看一下洁面优化, 就是混凝土,凉混凝土呃钢,呃钢呃钢梁,洁面油画以及柱和斜升油画,都是像我刚才那种操作是一样的 啊,设置一个选取你调整构建,然后选取一个洁面库,然后进行一个优化啊,通过一个配金率的一个呃限值,然后进行一个洁面优化 啊,所以说现阶段的一个噶嘛是非常非常简单的啊,希望大家可以尝试一下啊。我今天的讲解到此结束,谢谢大家。