社会学我不清楚，所以我只有从统计角度来看 回归式的估计要达到BLUE，需要许多假设，这些假设有符合吗? 而且资料来源是时间序列的资料，有符合时间序列的假设吗? 如何没有检查，估计与检定的信度会打折扣 ※ 引述《danny0838 (道可道非常道)》之铭言： : → vity:可能有漏解释变数 拿前一个月的y值丢到解释变数看看 02/23 20:19 : → vity:这样可以解决漏掉解释变数的问题 漏掉会造成高估或低估 02/23 20:19 : 看不懂XD...可以说清楚一点吗？ : → vity:另外 有检查过同质性和自我相关的问题了吗？ 02/23 20:20 : 这是指x变数之间的相关吗？ : （eg.离緍率和失业率、离婚率和死刑执行数？） : → vity:讨论 "率" 却没有加入平方项看看...也没有加入时间因素 02/23 20:42 : 如果原论文的堕後效应不是时间因素，那您是要求怎样的时间因素？ : → vity:也没看到r-square 基本上不是很严谨... 02/23 20:42 : B.类的研究有算 r^2 和 F，A.类没看到 : 推 kolun:也可能是犯罪率上升导致死刑人数上升 论文里的回归式并无法 02/24 17:02 : → kolun:确立因果关系 只能得出两者同向变动 小弟学艺不精 建议你 02/24 17:05 : → kolun:参考http://0rz.tw/amAIn 前两章 对你的问题有详细说明 02/24 17:06 : 我也是在怀疑因果关系其实是犯罪率上升导致死刑人数上升。 : sorry...没把重点讲清楚。我主要不懂想讨论焦点的是这两个： : : （变化一） : 复回归是否能确立 y 变数和 x# 变数之间的 x→y 因果关系？ : 1.可以 : 2.不行 : 3.在某些条件下可以（哪些条件？本论文有缺吗？缺了哪些？） 可以确定有因果关系 但不知道是 X->Y 或 Y->X 印象中还要进一步检定 另外，估计与检定前，先检查有无符合回归基本假设会比较准确， 或者至少有残差图可以供参考。 : : （变化二） : 堕後效应（即 y(t+1) 和 x#(t) 的关系）可否确立 x→y 的因果关系？ : 1.可以 : 2.不行 : 3.在某些条件下可以（哪些条件？本论文有缺吗？缺了哪些？） 一样可以确定因果关系 但不知道是X->Y 或Y->X 如果是时间序列的资料...能确认符合时间序列的基本假设， 一般来说会有自我相关的问题...解决以後才比较能不偏误的估计与检定 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.113.59.165