Allimac Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Noen som vet når en variabel er signifikant for alle vanlige signifikansnivå? Er det når H0 forkastes for alle vanlige signifikansnivå? Lenke til kommentar
Thomas Eh Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 bruker man ikke robust på oppgave H og ser hvilke som er signifikante på 0,05 og deretter beregner ny modell på disse? Det eneste jeg får opp er at impressions er signifikant. Stemmer det eller? Det står ikke noe om at vi trenger og bruke robuste standardfeil.... er ikke applymssg også er signifikant?? Nei kun impressions skal være signifikant. Hei, Hvordan ser du det? Skal ikke alle t-verdier under -1,646 og over 1,646 lukes ut? Se t-fordeling tabell under df=1000 og Halesannsynlighet 0,05 (ettersom to-sidig t_alpha = 0,10 / 2)? Man ser det ved at modell E er heteroskedastisk. Man må derfor kjøre modellen med robust standardfeil, noe som fører til at det bare er impressions som "overlever" testen. Så . . reg clicks impressions adsize master applymssg morning day evening, vce(robust) ? Først: H: regress clicks impressions assize master applymssg morning day evening, vce(robust) level (90) Så: regress clicks impressions, vce(robust) level (90) Jeg kan ikke huske at de har vist åss level (90), (mulig jeg var borte) og jeg fant ikke det før nå! Takk! Linear regression Number of obs = 1,676 F(1, 1674) = 79.20 Prob > F = 0.0000 R-squared = 0.4564 Root MSE = 54.629 ------------------------------------------------------------------------------ | Robust clicks | Coef. Std. Err. t P>|t| [90% Conf. Interval] -------------+---------------------------------------------------------------- impressions | .1142953 .0128429 8.90 0.000 .093159 .1354316 _cons | -.8448555 .8095618 -1.04 0.297 -2.177204 .4874926 ------------------------------------------------------------------------------ Resultatet. Lenke til kommentar
Mister Magoo Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg lurer på en ting her. Vår 2014: 2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata) For caset vårt nå. Så er utvalgsgjennomsnittene: night: 0,369 morning: 0,168 day: 0,2118 evening: 0,25 Her er det 0,369 altså 36,9% på natten. som er det største tallet. hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil?? Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. Det er sant, du sier noe der! Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E. De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse? feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk? og master: om det er en masterstudent som ser annonsen er det negativt? Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her. Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik: Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere? 1 Lenke til kommentar
Mister Magoo Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg lurer på en ting her. Vår 2014: 2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata) For caset vårt nå. Så er utvalgsgjennomsnittene: night: 0,369 morning: 0,168 day: 0,2118 evening: 0,25 Her er det 0,369 altså 36,9% på natten. som er det største tallet. hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil?? Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. Det er sant, du sier noe der! Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E. De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse? feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk? og master: om det er en masterstudent som ser annonsen er det negativt? Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her. Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik: Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere? Beklager, jeg mente variabelen morning og ikke day (den er negativ). Lenke til kommentar
balame Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg lurer på en ting her. Vår 2014: 2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata) For caset vårt nå. Så er utvalgsgjennomsnittene: night: 0,369 morning: 0,168 day: 0,2118 evening: 0,25 Her er det 0,369 altså 36,9% på natten. som er det største tallet. hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil?? Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. Det er sant, du sier noe der! Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E. De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse? feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk? og master: om det er en masterstudent som ser annonsen er det negativt? Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her. Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik: Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere? Beklager, jeg mente variabelen morning og ikke day (den er negativ). Hvis dere ser på høst 2012: oppg 15. Så sier de at det er sluttmodellene G og L som skal brukes til å svare på en slik oppgave fordi her er de tatt bort variablene som ikke er signifikante. I vårt case, M, sluttmodell er adsize tatt bort pga det ikke er signifikant. Betyr det at adsize ikke har betynding for antall klikk da? Selv om den er i minus i case E, og tilsier der at den har negativ effekt. Men siden den til slutt ikke er signifikant så har den ingen betydning?? Lenke til kommentar
Thomas Eh Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Variabelen clicks inneholder nuller, så vi kan ikke transformere den ved hjelp av den naturlige logaritmen. Lag derfor en ny variabel lik ln(clicks + 1), og kall den nye variabelen for lnclicksadj. . generate lnclicksadj = ln(clicks+1) . reg lnclicksadj impressions adsize master applymssg morning day evening Source | SS df MS Number of obs = 1,676 -------------+---------------------------------- F(7, 1668) = 444.55 Model | 2242.88286 7 320.411837 Prob > F = 0.0000 Residual | 1202.21666 1,668 .720753392 R-squared = 0.6510 -------------+---------------------------------- Adj R-squared = 0.6496 Total | 3445.09952 1,675 2.05677583 Root MSE = .84897 ------------------------------------------------------------------------------ lnclicksadj | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- impressions | .0017275 .0000534 32.37 0.000 .0016228 .0018321 adsize | .0001636 .0002744 0.60 0.551 -.0003746 .0007018 master | -.2807646 .0429138 -6.54 0.000 -.3649352 -.1965941 applymssg | -1.117879 .0446853 -25.02 0.000 -1.205524 -1.030234 morning | .3353484 .0613867 5.46 0.000 .2149454 .4557515 day | .4681314 .0569278 8.22 0.000 .3564739 .5797889 evening | .4586863 .0540783 8.48 0.000 .3526179 .5647547 _cons | 1.410214 .0657765 21.44 0.000 1.2812 1.539227 ------------------------------------------------------------------------------ Kommentarer? Lenke til kommentar
emsaks Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Dersom man får opplyst at residualkvadratsummen til modellen er 458,93. Hva er stadardfeilen til regresjonen? Lenke til kommentar
Mister Magoo Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg lurer på en ting her. Vår 2014: 2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata) For caset vårt nå. Så er utvalgsgjennomsnittene: night: 0,369 morning: 0,168 day: 0,2118 evening: 0,25 Her er det 0,369 altså 36,9% på natten. som er det største tallet. hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil?? Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. Det er sant, du sier noe der! Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E. De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse? feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk? og master: om det er en masterstudent som ser annonsen er det negativt? Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her. Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik: Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere? Beklager, jeg mente variabelen morning og ikke day (den er negativ). Hvis dere ser på høst 2012: oppg 15. Så sier de at det er sluttmodellene G og L som skal brukes til å svare på en slik oppgave fordi her er de tatt bort variablene som ikke er signifikante. I vårt case, M, sluttmodell er adsize tatt bort pga det ikke er signifikant. Betyr det at adsize ikke har betynding for antall klikk da? Selv om den er i minus i case E, og tilsier der at den har negativ effekt. Men siden den til slutt ikke er signifikant så har den ingen betydning?? I startmodellen M ser du at coef. til adsize er i pluss, dvs. at den i denne modellen har adsize en positiv effekt på lnclicksadj, MEN med dette signfikansnivået som er satt (1%), så er ikke variabelen betydningsfull for lnclicksadj. Selv om variabler har positiv eller negativ effekt på venstresidevariabelen, trenger de ikke å være signifikante eller betydningsfulle for antall clicks. Igjen - min tolkning. Lenke til kommentar
Gudsbestebarn Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg lurer på en ting her. Vår 2014: 2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata) For caset vårt nå. Så er utvalgsgjennomsnittene: night: 0,369 morning: 0,168 day: 0,2118 evening: 0,25 Her er det 0,369 altså 36,9% på natten. som er det største tallet. hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil?? Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. Det er sant, du sier noe der! Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E. De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse? feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk? og master: om det er en masterstudent som ser annonsen er det negativt? Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her. Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik: Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere? Høres fornuftig ut! Lenke til kommentar
Thomas Eh Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 bruker man ikke robust på oppgave H og ser hvilke som er signifikante på 0,05 og deretter beregner ny modell på disse? Det eneste jeg får opp er at impressions er signifikant. Stemmer det eller? Det står ikke noe om at vi trenger og bruke robuste standardfeil.... er ikke applymssg også er signifikant?? Nei kun impressions skal være signifikant. Hei, Hvordan ser du det? Skal ikke alle t-verdier under -1,646 og over 1,646 lukes ut? Se t-fordeling tabell under df=1000 og Halesannsynlighet 0,05 (ettersom to-sidig t_alpha = 0,10 / 2)? Man ser det ved at modell E er heteroskedastisk. Man må derfor kjøre modellen med robust standardfeil, noe som fører til at det bare er impressions som "overlever" testen. Hvordan ser man at modell E er heteroskedastisk? Source | SS df MS Number of obs = 1,676 -------------+---------------------------------- F(7, 1668) = 201.49 Model | 4210271.95 7 601467.422 Prob > F = 0.0000 Residual | 4979095.64 1,668 2985.06933 R-squared = 0.4582 -------------+---------------------------------- Adj R-squared = 0.4559 Total | 9189367.59 1,675 5486.18961 Root MSE = 54.636 ------------------------------------------------------------------------------ clicks | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- impressions | .1146526 .0034339 33.39 0.000 .1079173 .1213879 adsize | -.0001772 .0176599 -0.01 0.992 -.0348151 .0344607 master | -1.201904 2.761727 -0.44 0.663 -6.61872 4.214911 applymssg | 2.294225 2.875731 0.80 0.425 -3.346197 7.934647 morning | 7.008633 3.950553 1.77 0.076 -.7399314 14.7572 day | -1.033108 3.663604 -0.28 0.778 -8.218855 6.152638 evening | -1.10865 3.480219 -0.32 0.750 -7.934707 5.717406 _cons | -2.147446 4.233061 -0.51 0.612 -10.45012 6.155225 Lenke til kommentar
Mahalo Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 bruker man ikke robust på oppgave H og ser hvilke som er signifikante på 0,05 og deretter beregner ny modell på disse? Det eneste jeg får opp er at impressions er signifikant. Stemmer det eller? Det står ikke noe om at vi trenger og bruke robuste standardfeil.... er ikke applymssg også er signifikant?? Nei kun impressions skal være signifikant. Hei, Hvordan ser du det? Skal ikke alle t-verdier under -1,646 og over 1,646 lukes ut? Se t-fordeling tabell under df=1000 og Halesannsynlighet 0,05 (ettersom to-sidig t_alpha = 0,10 / 2)? Man ser det ved at modell E er heteroskedastisk. Man må derfor kjøre modellen med robust standardfeil, noe som fører til at det bare er impressions som "overlever" testen. Hvordan ser man at modell E er heteroskedastisk? Source | SS df MS Number of obs = 1,676 -------------+---------------------------------- F(7, 1668) = 201.49 Model | 4210271.95 7 601467.422 Prob > F = 0.0000 Residual | 4979095.64 1,668 2985.06933 R-squared = 0.4582 -------------+---------------------------------- Adj R-squared = 0.4559 Total | 9189367.59 1,675 5486.18961 Root MSE = 54.636 ------------------------------------------------------------------------------ clicks | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- impressions | .1146526 .0034339 33.39 0.000 .1079173 .1213879 adsize | -.0001772 .0176599 -0.01 0.992 -.0348151 .0344607 master | -1.201904 2.761727 -0.44 0.663 -6.61872 4.214911 applymssg | 2.294225 2.875731 0.80 0.425 -3.346197 7.934647 morning | 7.008633 3.950553 1.77 0.076 -.7399314 14.7572 day | -1.033108 3.663604 -0.28 0.778 -8.218855 6.152638 evening | -1.10865 3.480219 -0.32 0.750 -7.934707 5.717406 _cons | -2.147446 4.233061 -0.51 0.612 -10.45012 6.155225 Modell G tester modell E for heteroskedastisitet, hvor det er alternativ hypotesen. Utfører man en Breucsh Pagan test på modell G kommer man frem til at H0 forkastes og vi støtter alternativ hypotesen om at modell E er heteroskedastisk. Lenke til kommentar
Thomas Eh Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg lurer på en ting her. Vår 2014: 2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata) For caset vårt nå. Så er utvalgsgjennomsnittene: night: 0,369 morning: 0,168 day: 0,2118 evening: 0,25 Her er det 0,369 altså 36,9% på natten. som er det største tallet. hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil?? Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. Det er sant, du sier noe der! Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E. De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse? feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk? og master: om det er en masterstudent som ser annonsen er det negativt? Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her. Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik: Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere? Beklager, jeg mente variabelen morning og ikke day (den er negativ). Hvis dere ser på høst 2012: oppg 15. Så sier de at det er sluttmodellene G og L som skal brukes til å svare på en slik oppgave fordi her er de tatt bort variablene som ikke er signifikante. I vårt case, M, sluttmodell er adsize tatt bort pga det ikke er signifikant. Betyr det at adsize ikke har betynding for antall klikk da? Selv om den er i minus i case E, og tilsier der at den har negativ effekt. Men siden den til slutt ikke er signifikant så har den ingen betydning?? I startmodellen M ser du at coef. til adsize er i pluss, dvs. at den i denne modellen har adsize en positiv effekt på lnclicksadj, MEN med dette signfikansnivået som er satt (1%), så er ikke variabelen betydningsfull for lnclicksadj. Selv om variabler har positiv eller negativ effekt på venstresidevariabelen, trenger de ikke å være signifikante eller betydningsfulle for antall clicks. Igjen - min tolkning. Mr. Magoo, Jeg har fått en negativ adsize Coef. Hva har jeg gjort galt da? Med utgangspunkt i oppgave J: . reg lnclicksadj adsize Linear regression Number of obs = 1,676 F(1, 1674) = 0.80 Prob > F = 0.3707 R-squared = 0.0005 Root MSE = 1.4342 ------------------------------------------------------------------------------ | Robust lnclicksadj | Coef. Std. Err. t P>|t| [99% Conf. Interval] -------------+---------------------------------------------------------------- adsize | -.0004141 .0004625 -0.90 0.371 -.0016069 .0007787 _cons | 1.314835 .0794884 16.54 0.000 1.109853 1.519818 ------------------------------------------------------------------------------ Lenke til kommentar
Aspmyra Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg skjønner ikke helt de formlene til utvalgsgjennomsnitt, utvalgsvariansen, utvalgsstandardavvik, utvalgskovariansen og utvalgskorrelasjon. Kan noen enkelt forklare meg de? Helt sikkert enkelt for noen. Jeg gjentar meg selv litt. Beklager hvis dette er basic for noen. Men please, jeg grubler fælt. Lenke til kommentar
Thomas Eh Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg skjønner ikke helt de formlene til utvalgsgjennomsnitt, utvalgsvariansen, utvalgsstandardavvik, utvalgskovariansen og utvalgskorrelasjon. Kan noen enkelt forklare meg de? Helt sikkert enkelt for noen. Jeg gjentar meg selv litt. Beklager hvis dette er basic for noen. Men please, jeg grubler fælt. Hvilke spørsmål har du? Lenke til kommentar
Gudsbestebarn Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg lurer på en ting her. Vår 2014: 2) hvor stor andel av utvalget er kvinner: riktig svar er 53%. Dette finner vi i utvalgsgjennomsnittet til kvinner (løst i stata) For caset vårt nå. Så er utvalgsgjennomsnittene: night: 0,369 morning: 0,168 day: 0,2118 evening: 0,25 Her er det 0,369 altså 36,9% på natten. som er det største tallet. hva betyr dette? Kan vi få spm: hvor stor del av utvalget/ hvor stor del av klikkene er om natten? og da er svaret 36,9%? er det flest klikk på annonsen om natten, mellom 23 og 08? Det syns jeg i så fall er rart..! har noen forklaring på dette? er det jeg som tenker helt feil?? Du tenker helt riktig. Det ser man ved å legge sammen night, morning, day og evening. Jeg synes ikke det virker så rart. Folk sitter jo ofte på internett på kvelden, og vi ser at evening følger night med 25%, samt at morning er lavest med 16%. Det er sant, du sier noe der! Jeg har også enda noe jeg har tenkt litt på. hvis vi ser på Case oppgave E. De coef. som er negative. feks adsize, master, day, evening. Hvordan tolkes disse? feks adsize: Har adsize en negativ virkning på antall klikk? Jo større adsize, jo mer "negativt" for antall klikk? og master: om det er en masterstudent som ser annonsen er det negativt? Ja, det stemmer! Det er positivt at annonsen vises om morgenen, og følgende er det negativt på dagen og kvelden. Tolker det også som at "Søk da vel" er bedre enn "Vurder å starte". Men en liten kommentar til Case oppgave E. Her er det jo bare impressions som er signifikant, da betyr det vel at de andre variablene ikke har noen betydning for antall klikk??? :O nå blir jeg forvirra her. Hvis vi ser på oppgave H så tolker jeg effektene (coef.) slik: Dersom annonsen blir vist på dagen (day) vil antall click øke ettersom effekten til day er positiv. Også er det dette med om variablene er signifikante eller ikke-signifikante. Jeg mener at alle variablene har en effekt på variabelen clicks, men at det kun er impressions som har en signifikant (ikke tilfeldig) og betydningsfull effekt på resultatet (antall clicks). Hva mener dere? Beklager, jeg mente variabelen morning og ikke day (den er negativ). Hvis dere ser på høst 2012: oppg 15. Så sier de at det er sluttmodellene G og L som skal brukes til å svare på en slik oppgave fordi her er de tatt bort variablene som ikke er signifikante. I vårt case, M, sluttmodell er adsize tatt bort pga det ikke er signifikant. Betyr det at adsize ikke har betynding for antall klikk da? Selv om den er i minus i case E, og tilsier der at den har negativ effekt. Men siden den til slutt ikke er signifikant så har den ingen betydning?? I startmodellen M ser du at coef. til adsize er i pluss, dvs. at den i denne modellen har adsize en positiv effekt på lnclicksadj, MEN med dette signfikansnivået som er satt (1%), så er ikke variabelen betydningsfull for lnclicksadj. Selv om variabler har positiv eller negativ effekt på venstresidevariabelen, trenger de ikke å være signifikante eller betydningsfulle for antall clicks. Igjen - min tolkning. Mr. Magoo, Jeg har fått en negativ adsize Coef. Hva har jeg gjort galt da? Med utgangspunkt i oppgave J: . reg lnclicksadj adsize Linear regression Number of obs = 1,676 F(1, 1674) = 0.80 Prob > F = 0.3707 R-squared = 0.0005 Root MSE = 1.4342 ------------------------------------------------------------------------------ | Robust lnclicksadj | Coef. Std. Err. t P>|t| [99% Conf. Interval] -------------+---------------------------------------------------------------- adsize | -.0004141 .0004625 -0.90 0.371 -.0016069 .0007787 _cons | 1.314835 .0794884 16.54 0.000 1.109853 1.519818 ------------------------------------------------------------------------------ Les gjennom tråden, det har blitt forklart før. Lenke til kommentar
Thomas Eh Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Jeg skjønner ikke helt de formlene til utvalgsgjennomsnitt, utvalgsvariansen, utvalgsstandardavvik, utvalgskovariansen og utvalgskorrelasjon. Kan noen enkelt forklare meg de? Helt sikkert enkelt for noen. Jeg gjentar meg selv litt. Beklager hvis dette er basic for noen. Men please, jeg grubler fælt. formler....PNG Hvilke spørsmål har du? Utvalgsgjennomsnittet er bare alle observasjoner summert, og delt på antall observasjoner. Utvalgsvariansen er et mål på spredningen av observasjonsverdiene. Da ut fra gjennomsnittet. Utvalgsstandardavvik Et stort utvalgsstandardavvik betyr at verdiene har stor spredning, mens et lite utvalgsstandardavvik betyr at verdiene er svært like Utvalgskovariansen er en størrelse vi bruker for å måle hvor vidt to utvalg samvarierer Lenke til kommentar
Qtic Skrevet 22. mai 2016 Del Skrevet 22. mai 2016 Noen som vet hvordan man løser Høst2015 oppgave 18? Jeg trodde man skulle dele utvalgjennomsnittet til omsetning med utvalgsgjennomsnittet til kostnader, men dette gir svaret stemmer ikke med fasiten (d er riktig) eller alternativene. Lenke til kommentar
Aspmyra Skrevet 23. mai 2016 Del Skrevet 23. mai 2016 Det var en skikkelig bajs-eksamen 2 Lenke til kommentar
ESMALE Skrevet 23. mai 2016 Del Skrevet 23. mai 2016 Noen flinke studenter som har lyst til å dele svarene sine? Hilsen nervøs medstudent Lenke til kommentar
Gudsbestebarn Skrevet 23. mai 2016 Del Skrevet 23. mai 2016 Hva var det der for noe?? Lenke til kommentar
Anbefalte innlegg
Opprett en konto eller logg inn for å kommentere
Du må være et medlem for å kunne skrive en kommentar
Opprett konto
Det er enkelt å melde seg inn for å starte en ny konto!
Start en kontoLogg inn
Har du allerede en konto? Logg inn her.
Logg inn nå