粉丝5339获赞1.3万

哈喽,大家好,今天给大家分享的是 stat 的一个小技巧,最近可能很多人开始写毕业设计,好不容易跑完模型,做出结果来,还需要制作一堆各种形式的表格, 比如说啊,我打开这篇论文,然后这里人家做的是逐步回归模型,一共是做了四个,那么可能我们很多人都是啊,比如说这是回归系数,这是标准差啊,都是一个个的数字粘贴或者是打进去的,然后再设置保留几位小数。 实际上呢, theater 有强大的输出武器,可以很高效的输出标准化的结果,为我们节省不必要的手工调整时间。那么今天这期视频呢,就给大家进行教学示范,希望对大家有所帮助。那么这个命令呢,就是 esttabstf, 可能很 很多人都已经听说过,只是实际操作不太熟练,那么废话不多说,我们就直接开始吧啊,首先呢,我们打开我们今天用的数据集, 我还是跟之前一样,会把我用的每一个命令都放在左边啊,右边是输出命令的地方,这样方便大家对照学习。之前好多人说我用 word, 嗯,放命令 特别不专业,不正规,我我就觉得反正大家只要能学会能看懂就行。但是既然大家提了这个意见,那我就 呃改正吧,所以我现在把命令就放在度命令里面了啊。首先我们要导入我们的数据集,那么这也是我们的汽车数据,是我最常用的一个教学数据,我们把这个命令复制,要用系统自带的数据,方便大家可以跟着我一起操作和学习啊。 我就随便选择了几个变量,我选择的被解释变量是价格 price, 解释变量是这三个,然后我们做主,做主部回归模型啊,一个一个的变量放,就跟呃这种比较常见的这种呃报告结果一样。首先呢,我们做第一个回归模型, 我们这里就快速输入,比较简单,然后我们 est 把这个模型 m 一保存下来,然后我们再做底,我们再放第二个变量,然后把模型二保存, 再放第三个控制变量,那第三个变量吧,放进去了之后,然后把 m 三魔性三保存一下。 呃,这里我首先来讲 stap 最简单的一种命令形式,然后我们再逐步在扩展,首先我们就直接输 stapm 八, m 一二三都呃统一把它 显示出来好了,我们看到我们初步的结果出来了,然后这个我们是回归系数,然后括号里面他在下面报告了,括号里面是我们的 t 指,默认是 t 指,然后后面的信号就表示是否显著, 嗯,是比较常见,是系统默认的一种形式吧。那么接下来呢,我会在呃这个 stopping 后面的各种 optons 进行重新设置更改,添加一些统计量 啊。首先我们第一步我们要添加壁纸和调整二方,因为这两个是在我们写论文中经常需要报告的一个纸, 我们直接在后面加上 pa r 二就可以了。这个命令复制 好了,我们可以看到跟上面的区别,上面的括号是 t 指,现在括号就变成了 t 指,然后后面呃之前只报告了,嗯,现在报告了调整而方, 因为我在后面命令加了 p 和 a r 二。然后这个也比较简单啊,那么以上的书结果我们看到啊,小数位呢?尤其是这个小数位,呃,就小数点后标保留的位数是不一致的,他是三位小数,他是两位,但实际上保留几位小数我们也是可以设置的, 我们主要是,呃,我们主要是回归系数和 b 和 p p 值这两个需要保留几位小数, 还有 l 二方。所以我们接下来在后面输入这个迷你, 在上面的迷你基础上呢,我加了一个 bp 啊和 a r 括号后面的四,我们先输入进去,大家看就知道了。我们看到,哎,他现在已经保留了四位小数,然后我的 p 值也是四位小数,后面的这个 r 方呢,也是保留的是四位小数, 那么这里的呃 b 就是回归系数, p 就是我们的 p 值, a 二二四代表不了四位小数,然后前面的六呢,就表示的是整数部分可以达到六位。那么如果,呃,我们 我们要学会以一反三吧,如果说我们比我们要保留三位小数,我们只要把这里的四改为三就可以了,我给大家试一下吧,大家演练一下。 最常见的是保留三位小说,这里改成三,哇,这也是改成三, 三,好,我们看到呃,调整二方,回归系数和 p 值多是保留三位小数了。嗯,所以这也比较简单。那么除了添加各类统计量以及显著性水平,要保留几位小数之外,我们还可以对它的格式进行变化,我们可以看到这里, 这里,他的这里是模型一二三,然后这个中间 就是摸心和摸心眼,中间是不是范围太大了,我们可以消除这之间的一个间距吧。嗯,然后我们接下来继续输入命令,我们要在这个命令的基础上在后面再加,我不是,这是我们原始的, 不要中间的这个间距,加这个命令。然后还有就是,呃,他是模型一二三,我们就 m e m l m 三这样子的设置抬头, 然后这个是,比如说这个是第一个,你的第几个表格,你就是加一个 titletwitches。 好了,这样子我们输回车键, 我们就会跟到在上面的基础上呢,首先一二三变成了模型一二三,然后接下来呢就是正中间的这个间距,呃,我们拿近了,呃,这样子是可能看起来会比较熟, 舒服。然后括号里呢?呃,报告的是壁纸,我们之前报告的也是壁纸,然后下面还报告了 a r 发。那这个是不是就是我们啊,非常之常见的一种报告回归结果的一种形式呢?是不是就很简单了? 那么接下来呢,我们做到了这样子,但是我们想把它直接导出来,该怎么导出来呢啊?接下来就是最后一步,把这个结果导出来就行了。呃,导出命令是最简单的一种形式,是这样子的,是这里 这种最就是最简单的,但是,但是我们也看到了,呃,我们后面还要加一定的 options, 所以我们要把这后面这些 option 都复制过来,嗯,放在后面标准符号也要。 然后这里我们最常见的,我给大家做一个最常见的形式吧,最常见的我们是保留三位小数,保留三位小数,二二二,也要报告保留三位小数,然后中间是没有间隙的,然后模型是大写的 m 一, 哦,不对,呃,我是习惯性大写 mbm 代表默写,但是我们还是用英文的吧,这个就这个就不变了吧,还是这个魔斗一比较合适。 模型一二三,然后 tambo tambo 一,我们要一般常见的是报告,我们的回归 系数,括号里,括号里,我看微信里面括号里,括号里的是标准差,那我们这里的批 应该换成 s e, 我这里应该加一个 s e 报告, s e 系统默认是报告的,是配置,我们这里加 s e 就标准哦,就代表报告的是标,标准差。然后这里也记得一定要改 s e, 保留三位小数, a r 二,也保留三位小数,不要间隙。 然后模型的命名是 m 一,呃,模型一,模型二,模型三,然后这个表格是 twitter one。 呃,表格一 啊,这种是最常见的一种报告结果的形式,我复制一下,大概就这种形式,我们回车,然后这里就回归结果,就报告在这里,我们可以直接点击这个,打开,就直接在位置里面就可以显示了, 你可以看到。嗯,这种跟这种文件就是特别类似。这里就是模型一二三,然后违规系数,然后这个是显著性,这个是零点三七七,这里报告了是标准差,别人的这个也是标准差,这代表什么意思?就是比较简单 是不是, 是不是比较简单呢?那么今天这期视频呢,教学就到这里了,但是这篇文献用的固定魔性, 呃,我因为我没有做固定面板的固定模型或者 gmm 用这种命令能否成功导出啊?等我试验的,如果可以成功导出的话,我在评论区给大家回复一下,然后反正啊这个命令这种形式大概就是这些,我觉得大家可以先把这个命令学会,然后再 举一反三,如果有哪里讲的不合适的,或者是,嗯,大家觉得还有更好的方法的话啊,希望大家可以在评论区留言,然后如果觉得有所帮助的话,希望给我一个免费的赞呀,然后谢谢大家。

好的朋友们,今天我们来一起来学习一下老 gt 回归的模型可视化啊。换句话来说呢,就是 画一下老金这个回归中三种不同类型的裂线图,这个是普通的裂线图,这个是花哨一点的裂线图,这个是网格裂线图。今天的参考资料同样来自于松哥统计的,松哥的这本书, 我们来一起学习它的代码工作路径读取 icu, 这个 icu 呢是,这个数据呢是 某个 icu 科室病人死亡风险的预测,是有一千零八十例。我们看一下这个数据,嗯,他的便利民分别是死亡 性别、体温、收缩压,舒张压、谷草、转氨酶、白细胞 c、 反应蛋白、钠离子、假离子、尿素蛋、血小板、年龄,呼吸频率,心率、乳酸、血管饱和度、血糖以及分组和随机数。我们看一下这个数据, 呃,都根据专业呢,已经把连续性变量转化为了二分的变量,这个是格鲁普,是一,他是用一和零来拆分来进行这个开发数据及验证数据及的拆分。 然后我们 t 区变量是为了写他的代码,写这个变量的注视啊,了解变量的类型,查看一下变量的简要信息啊,狗肉谱,唯一的就是开发数据集,然后零的就是验证数据。 假设我们已经得出了,经过多音速回归,已经得出了纳入模型的变量,嗯,把八音速和六音速进行一个对比,首先是打包数据,然后构建两个模型, 嗯,画一个八因素和六因素的简单的 no 图, 这个是发音速的, 呃,诺木图, b 是。最后是纳入了六个变量。 呃,有的老师讲的大道至简,有的老师说的那个图画的越漂亮越容易接受,这个仁者见仁智者见, 是吧?我们看一下这个另外一个花哨一点的流图, 我们看一下模型的系数和直径区间,然后再计算一下 o r 和直径区间, o r 和直径区间, 然后用这个开发数据集进行预测,展示的是开发数据集的第二个变量。 这个图看起来也挺漂亮的,但是是错误的,因为我们的,因为我们是一个二分类的变量, 就是这个值肯定是一个整数,会出现小数,这是因为我们没有把数据给他,让告诉这个 计算机它是一个因子型的,然后把接下来把这个, 把这个变量都改为因子型的,然后重新画一遍图。 嗯,现在还是展示的第二行数据,这个就是花哨一点的, 然后也可以进行进行交互。 好的,接下来这一步填完成才能进入下一个。呃,网格类型图的绘制,同样是打包数据,然后这个代码很多的代码都是固定的, 然后这个是我们要得到的这个网格滤镜图。 好的, okay, thank you。

学而不思则亡,思而不学则带。呃,今天学习一下这个经典的就是 cos 回归模型。在呃,学习经典 cos 会模型,我们回忆一下之前说过的生存分析,呃,有哪哪些类?我们 有比较常见的这个,呃,说明表法,还有这个卡嘛分析方法, 以及这个涉及到多个细变量的这个扣子回归,还有这个存在竞争实践的竞争风险模型,以及增系数随时间变化的这个啊是就是十一系数法之类的。 那么今天我们主要学习这个经典的 coco 会模型,那么经典的 coco 会为模型。呃,学习之前的我, 我们还是要看一下这个他满足的一些条件,首先他就是这个要满足这个披虚甲定,披虚甲定就是说斜面上对事件的发生的作用不随时间的变法。变法,这是一句呃抽象的话, 换句话就是说,呃,因为我们要得到爱,爱持而止,那么那么他对,那么他们这个 他的这个事件的比例,他就不应该发生变化,如果发生变化的话,我们就是得不到这个 hr 值或者 hr 值随时间的变化。呃,这个 这样的话就是呃在 ph 假定满足的情况下了,我们再考虑这个 cos 会议模型的这个结果的一个意义。呃, 通俗来就是通俗理解,就是说如果一个如果,如果假病人的死亡或者死亡风险是以病人的 两倍,那么在以后的死,以后的时间里,他的死亡工业认为是他的两倍,通过呢,就是就是这样理解这个撇去家庭如果发生变化的话,那么就说明这不满足,撇去妇联家庭,这样的话我们就得不到一个固定的一圈二尺,对不对?哎,我第二个就是我们可以 要学,要知道的就是这个比例,呃,比例风险函数,比例风险函数这个剪辑的表达形式就是这个样子的, 我们可以得到他的这个,把这个 h 零移到这边来,我们就可以得到他的系数,对不对?指数,指数的指数。最后我们看一下如何在这个二元中完成这个工作。我们首先 打开二十丢丢,在二十丢丢里面我们需要加载这个,还是要用这个,嗯,这个就是这个锁爱我这个数字库,我们就加载一下这个 啊,所有数据库里面有个有个有个,有个数据,就是 他有这个肺癌的一个数据,我们可以用帮助文档看一下,在帮助文档里面我们就可以看到这个这个数据的这个情况,我们给你看一下这个,这个数据就是这样的, 他是有有这么多些变量,有这个编娃时间、状态、性别、年龄等等。然后我们也可以用这个, 嗯,可以用这个 st 二这个这个函数来看一下它这个数据的结构,数据就这样一个结构,就是总共有二百二十八个,二百二一个,二百八十二百二十八条数据,十个变量做成的。那么我们今天就利用这个数据来做这个思想分析。 首先我们建议这个建一个模型,我们用, 然后我们所需要的这个是,呃时间,对不对?还有这个状态, 接下来就是我们所要研究的这个变量,比方说年龄,然后性别,然后这就是我们要今天要学的这个 ph, 这就是我们 wtl。

九十秒教你学会 spss 有序了! jessic 回归分析可带作指导。第一步,将我们需分析的数据导入 spss 软件重病进行复职,点击分析,回归有序。 进入图中对话框后,将我们需分析的数据放入对应的变量框中,点击输出,勾选平行线检验,点击继续确定, 我们需要的有序 logistic 回归的结果就出来了。第二步,将我们的结果粘贴复制到 excel 表格中并进行整理,可参照图中整理结果整理。第三步,将我们整理好的结果粘贴 复制到 word 文档中并进行文字解释。看表格制作可参考图中结果解释住本次结果不显著,且平行线检验为通过, 说明本次数据不适合使用有序 logistic 回归分析。如果通过平行线检验并显著,可参考多元 logistic 回归分析结果进行整理。