※ 引述《warep (我不知道)》之铭言： : ※ 引述《warep (我不知道)》之铭言： : : 标题: [问题] 苹果橘子经济学的统计问题 : : 时间: Tue Feb 20 12:58:06 2007 : : 1.在这本书的p.177写道: : : 到了1990年代,..., : : 全美各城市大幅增加警察人数, : : 这些警力不但具有吓阻作用, : : 也让部分原可逍遥法外的歹徒难逃法网. : : 警力增加约可解释1990年代犯罪减少的10%. : : ^^^ : : 先不论10%的可信度如何 : : 请问一般来说在分析的时候 : : 这个解释百分比的数字(10%)是怎麽计算出来的? : : 2.p.195: : : 资料明确显示, : : 1970年代堕胎率最高的一些州, : : 1990年代犯罪减少也最多,..., : : 即使控制会影响犯罪的几项变数,如各监狱的囚犯数,警察数,...,这种相关仍然存在. : : ^^^^^^^^^^^^^^^^^^^^^^^^ : : 请问实际上在分析的时候 : : 要如何把其他变数的影响给去除呢? : : 非常感谢~~~ : : -- : : ◆ From: 218.161.11.20 : : 推 Iversonchi:1. Delta-R square? 2. Partial Correlations? 02/20 19:27 : : 推 evilove:请翻作者原论文 02/20 20:31 : 恩~感谢回答~ : 不过我不是好奇原书作者的数据是怎麽来的 : 而是一般在做分析的时候 : 要用什麽方法求出那些数据 翻阅原文就是为了知道作者用什麽方法球出那些数据 : 第一个问题 : 我想过单独跑犯罪率和警力增加的回归 : 求出R^2 : 不过这没有排除掉其他解释变数的影响 : 只是单纯求出犯罪率和警力增加的表面相关程度 ^^^^^^^^^^^^ 没听过 你要问的是因果关系还是相关呢？ : 这两个变数的相关程度 可能是其他变数造成的 那就由你的理论来决定是哪些变项可能造成犯罪率 而且很重要 复回归可能可以处理你的问题 回归分析中的beta系数可以显示自变项对依变项作预测时的相对贡献 以统计的术语而言，而每一beta系数即为在控制其它变项之下， 某一自变项变动一个标准单位（即标准差时）， 对依变项标准化後之分数有何增减（换言之，会影响增减几个依变项的标准差）。 所以复回归可让我们解释每个自变项在控制其它自变项之情况下， 对依变项之独立影响力为何。 : 这与"警力增加约可解释1990年代犯罪减少的10%"这句话应该是有差别的 : 这句话已经排除掉其他可能解释变数的影响 : 单单看警力增加对犯罪率的解释能力有多少 : 第二个问题应该和第一个问题作法差不多 : 麻烦各位了~感谢<(_ _)> --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.57.97.140