weixin_44115606的博客

一、概述初学stata的时候对于stata输出的逻辑颇为疑惑， asdoc、outreg2、logout 和 esttab 这些常见的命令在跳出来的时候往往分不清楚，也不知道为什么代码里要这么用。本期文章就是梳理常见的一些输出命令，在平时学习尤其是计量经济学这样的学科时能够降低理解难度。本文主要梳理的命令包括但不限于 asdoc、outreg2、logout 和 esttab ，主要介绍其用法。以上命令都可以通过 ssc install 命令名称, replace 安装更新...

学术论文里面常用到的相关分析结果通常需要针对不同显著性水平进行标记，例如下图有如下数据需要得到下图（其中*** p<0.01, ** p<0.05, * p<0.1）一、函数的准备连玉君老师的提供的分支下载（仅仅需要注册即可下载）pwcorr_a函数在计算相关系数并检验显著性的基础上还分别对 1%，5%，10% 的显著水平列印*** ，** 和 *，便于输出到论文中。将下载文件中ado文件和hlp文件复制到…\stata15\ado\plus\p或…Stata\ado\

Excel 文件转成stata文件工具： Stata Transfer

某厂考虑安排某件产品在今后 4 个月的生产计划，已知各月工厂的情况如下表所示

（1）直方图：将数据以图的形式呈现，观察是否符合一定规律（形似正态分布图像）。这个方法比较抽象，难以描述。（2）S-W检验和K-S检验：小样本(小于50)时建议使用S-W检验，大样本(大于50)时建议使用K-S检验。使用软件进行统计学问题解决时会使用，基本上不要求手算。S-W检验小样本时可以进行手算。（3）Q-Q图和P-P图：P-P图是根据变量的累积比例与指定分布的累积比例之间的关系所绘制的图形。通过P-P图可以检验数据是否符合指定的分布。当数据符合指定分布时，P-P图中各点近似呈一条直线。而 Q-Q图

分类数据分析是针对类别型变量之间是否有影响进行的分析。而相关分析是类别型变量之间有影响的前提下，研究变量间相关的程度，以及正相关还是负相关。方差分析稍有不同，是研究分类型变量对数值型变量的影响（而不是类别型变量之间的关系）。上统计学课的时候这几个部分都是我比较喜欢的，柳老师讲的非常有趣。一、三种分析的分析思路...

一、快速理解我开始学习假设检验时遇到了几个问题：什么是假设检验？为什么要假设检验？什么是假设：对总体参数（均值，比例等）的具体数值所作的陈述。（因为一般来说总体的属性具体值我们是测不出来的，也只是靠不停的测试逼近具体值，所以只能假设总体的某一个属性的具体值为xxx）而假设检验就是先对总体的参数提出某种假设，然后利用样本的信息判断假设是否成立的过程。样本值是变化的，通过样本值计算出来的样本参数不一定每次都一样，我们不知道测出来的参数与总体参数是样本的随机性还是一些其他的原因导致的（例如测量过程出

糖厂用自动打包机打包，每包标准重量是100千克。每天开工后需要检验一次打包机工作是否正常。某日开工后测得9包重量(单位：千克)如下：     99.3  98.7  100.5  101.2  98.3  99.7   99．5  102.1  100.5 已知包重服从正态分布，试检验该日打包机工作是否正常(a＝0．05)?用这题演示python实现双边检验的几种方法import numpy as npfrom math import *array = [99.3,98.7,100.5,101.

单侧检验与双侧检验的判断与建立原假设原假设与备择假设的建立如何建立假设并没有固定的统一标准，假设的确定取决于要检验的问题以及检验的目的。一般来说，在考试中一般都将希望证明的命题放在备择假设，而把原有的、传统的观点或结论放在原假设上。可以这么理解，如果原有的传统的观点不容置疑，也就不需要检验了；原假设的位置...

本文介绍在概率论与数理统计，统计学这两门课中，以及平时的作业中最常用的两种需要加以应用的六种概率。按照数据的类型可以分为两类，一类是针对连续型变量（均匀分布、指数分布、正态分布），另一类则针对离散型变量（0-1分布、二项分布、泊松分布）。一、离散型变量1、二项分布在每次试验中只有两种可能的结果，而且两种结果发生与否互相独立互斥，每次的实验结果都互不影响无关，事件发生与否的概率在每一次独立试验中都保持不变。期望E（X） = np 方差D（X） = np（1-p）；2、0-1分布已知随机变量

12.3对下表的50名学生成绩进行主成分分析，可以选择几个综合变量来表示这些学生的6门课程成绩？数据如下：1. 数据导入与数据标准化> data=read.csv('D:/R languaga_main factors_analysis.csv',head=TRUE) > View(data)> std_data=scale(data[1:6]) #数据标准化> #还可以通过rownames(std_data)=data[[1]] #数组各行名字定义为数据文件的的第