※ 引述《warep (我不知道)》之銘言： : ※ 引述《warep (我不知道)》之銘言： : : 標題: [問題] 蘋果橘子經濟學的統計問題 : : 時間: Tue Feb 20 12:58:06 2007 : : 1.在這本書的p.177寫道: : : 到了1990年代,..., : : 全美各城市大幅增加警察人數, : : 這些警力不但具有嚇阻作用, : : 也讓部分原可逍遙法外的歹徒難逃法網. : : 警力增加約可解釋1990年代犯罪減少的10%. : : ^^^ : : 先不論10%的可信度如何 : : 請問一般來說在分析的時候 : : 這個解釋百分比的數字(10%)是怎麼計算出來的? : : 2.p.195: : : 資料明確顯示, : : 1970年代墮胎率最高的一些州, : : 1990年代犯罪減少也最多,..., : : 即使控制會影響犯罪的幾項變數,如各監獄的囚犯數,警察數,...,這種相關仍然存在. : : ^^^^^^^^^^^^^^^^^^^^^^^^ : : 請問實際上在分析的時候 : : 要如何把其他變數的影響給去除呢? : : 非常感謝~~~ : : -- : : ◆ From: 218.161.11.20 : : 推 Iversonchi:1. Delta-R square? 2. Partial Correlations? 02/20 19:27 : : 推 evilove:請翻作者原論文 02/20 20:31 : 恩~感謝回答~ : 不過我不是好奇原書作者的數據是怎麼來的 : 而是一般在做分析的時候 : 要用什麼方法求出那些數據 翻閱原文就是為了知道作者用什麼方法球出那些數據 : 第一個問題 : 我想過單獨跑犯罪率和警力增加的回歸 : 求出R^2 : 不過這沒有排除掉其他解釋變數的影響 : 只是單純求出犯罪率和警力增加的表面相關程度 ^^^^^^^^^^^^ 沒聽過 你要問的是因果關係還是相關呢？ : 這兩個變數的相關程度 可能是其他變數造成的 那就由你的理論來決定是哪些變項可能造成犯罪率 而且很重要 複回歸可能可以處理你的問題 回歸分析中的beta係數可以顯示自變項對依變項作預測時的相對貢獻 以統計的術語而言，而每一beta係數即為在控制其它變項之下， 某一自變項變動一個標準單位（即標準差時）， 對依變項標準化後之分數有何增減（換言之，會影響增減幾個依變項的標準差）。 所以複迴歸可讓我們解釋每個自變項在控制其它自變項之情況下， 對依變項之獨立影響力為何。 : 這與"警力增加約可解釋1990年代犯罪減少的10%"這句話應該是有差別的 : 這句話已經排除掉其他可能解釋變數的影響 : 單單看警力增加對犯罪率的解釋能力有多少 : 第二個問題應該和第一個問題作法差不多 : 麻煩各位了~感謝<(_ _)> --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.57.97.140