卒業論文
|
|
|
- さなえ たかにし
- 5 years ago
- Views:
Transcription
1
2
3
4
5
6
7
8
9
10 Y = ax 1 b1 X 2 b2...x k bk e u InY = Ina + b 1 InX 1 + b 2 InX b k InX k + u X 1 Y b = ab 1 X 1 1 b 1 X X bk k e u = b 1 (ax b1 1 X b2 2...X bk k e u ) / X 1 = b 1 Y / X 1 X 1 X 1 q YX1 = Y X 1 X 1 Y q YX1 = b 1
11 InY = Ina + b 1 InX 1 + b 2 InX b k InX k + b k+1 X K b q X q + u
12 InY = a 1 InX 1 + a 2 InX 2 + a 3 InX 3 + a 4 InX 4 + d 1 D 1 +U
13
14
15
16
17
18
19
20
21
22
23 GDP (3.23)** (6.67)** (1.05) (0.92) (0.01) _cons (0.81) R N 108 * p<0.05; ** p<0.01
24
25 GDP (11.31)** (5.34)** (2.17)* (2.31)* (5.47)** (6.32)** (5.76)** (8.73)** (3.02)** (4.38)** (2.76)** (10.85)** (4.83)** _cons (5.83)** R N 108
26
27
28
29
30 Variable Obs Mean Std. Dev. Min Max GDP ~ ~ ~ Source SS df MS Number of obs = 12 F(5, 6) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = ~ Coef. Std. Err. t P> t [95% Conf. Interval] GDP ~ ~ _cons
31 Variable Obs Mean Std. Dev. Min Max GDP ~ ~ ~ Source SS df MS Number of obs = 12 F(5, 6) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP _cons
32 Variable Obs Mean Std. Dev. Min Max GDP ~ ~ ~ Source SS df MS Number of obs = 12 F(5, 6) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP _cons
33 Variable Obs Mean Std. Dev. Min Max GDP ~ ~ ~ ~ Source SS df MS Number of obs = 12 F(5, 6) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP ~ _cons
34 Variable Obs Mean Std. Dev. Min Max GDP ~ ~ ~ ~ Source SS df MS Number of obs = 12 F(5, 6) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP _cons
35 Variable Obs Mean Std. Dev. Min Max GDP ~ ~ ~ ~ Source SS df MS Number of obs = 12 F(5, 6) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP _cons
36 Variable Obs Mean Std. Dev. Min Max GDP ~ ~ ~ ~ Source SS df MS Number of obs = 12 F(5, 6) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP _cons
37 Variable Obs Mean Std. Dev. Min Max GDP ~ ~ ~ ~ Source SS df MS Number of obs = 12 F(5, 6) = 8.00 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP _cons
38 Variable Obs Mean Std. Dev. Min Max GDP ~ ~ ~ ~ Source SS df MS Number of obs = 12 F(5, 6) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP _cons
39 Source SS df MS Number of obs = 108 F(5, 102) = 9.52 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP _cons
40 Source SS df MS Number of obs = 108 F(13, 94) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = Coef. Std. Err. t P> t [95% Conf. Interval] GDP _cons
41
こんにちは由美子です
Analysis of Variance 2 two sample t test analysis of variance (ANOVA) CO 3 3 1 EFV1 µ 1 µ 2 µ 3 H 0 H 0 : µ 1 = µ 2 = µ 3 H A : Group 1 Group 2.. Group k population mean µ 1 µ µ κ SD σ 1 σ σ κ sample mean
こんにちは由美子です
1 2 λ 3 λ λ. correlate father mother first second (obs=20) father mother first second ---------+------------------------------------ father 1.0000 mother 0.2254 1.0000 first 0.7919 0.5841 1.0000 second
AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t
87 6.1 AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t 2, V(y t y t 1, y t 2, ) = σ 2 3. Thus, y t y t 1,
% 10%, 35%( 1029 ) p (a) 1 p 95% (b) 1 Std. Err. (c) p 40% 5% (d) p 1: STATA (1). prtesti One-sample test of pr
1 1. 2014 6 2014 6 10 10% 10%, 35%( 1029 ) p (a) 1 p 95% (b) 1 Std. Err. (c) p 40% 5% (d) p 1: STATA (1). prtesti 1029 0.35 0.40 One-sample test of proportion x: Number of obs = 1029 Variable Mean Std.
80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = i=1 i=1 n λ x i e λ i=1 x i! = λ n i=1 x i e nλ n i=1 x
80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = n λ x i e λ x i! = λ n x i e nλ n x i! n n log l(λ) = log(λ) x i nλ log( x i!) log l(λ) λ = 1 λ n x i n =
s = 1.15 (s = 1.07), R = 0.786, R = 0.679, DW =.03 5 Y = 0.3 (0.095) (.708) X, R = 0.786, R = 0.679, s = 1.07, DW =.03, t û Y = 0.3 (3.163) + 0
7 DW 7.1 DW u 1, u,, u (DW ) u u 1 = u 1, u,, u + + + - - - - + + - - - + + u 1, u,, u + - + - + - + - + u 1, u,, u u 1, u,, u u +1 = u 1, u,, u Y = α + βx + u, u = ρu 1 + ɛ, H 0 : ρ = 0, H 1 : ρ 0 ɛ 1,
Stata11 whitepapers mwp-037 regress - regress regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F(
mwp-037 regress - regress 1. 1.1 1.2 1.3 2. 3. 4. 5. 1. regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F( 2, 71) = 69.75 Model 1619.2877 2 809.643849 Prob > F = 0.0000 Residual
Vol. 42 No pp Headcount ratio p p A B pp.29
1990 2003 2005 2000 1998 2004 2001 2 2000 2001 2000 1 Vol. 42 No. 2 2005 pp.21-22 25 25-29 30-34 1999 1 Headcount ratio 2 1995 20-25 25-30 2005 p.25 2005 2000 2 15 34 2003 p.3 15 34 A B 3 4 3 3 2003 pp.29-332001
Stata 11 Stata ts (ARMA) ARCH/GARCH whitepaper mwp 3 mwp-083 arch ARCH 11 mwp-051 arch postestimation 27 mwp-056 arima ARMA 35 mwp-003 arima postestim
TS001 Stata 11 Stata ts (ARMA) ARCH/GARCH whitepaper mwp 3 mwp-083 arch ARCH 11 mwp-051 arch postestimation 27 mwp-056 arima ARMA 35 mwp-003 arima postestimation 49 mwp-055 corrgram/ac/pac 56 mwp-009 dfgls
1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3.
1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3. 2 4, 2. 1 2 2 Depress Conservative. 3., 3,. SES66 Alien67 Alien71,
1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press.
1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. 2 3 2 Conservative Depress. 3.1 2. SEM. 1. x SEM. Depress.
Stata 11 Stata ROC whitepaper mwp anova/oneway 3 mwp-042 kwallis Kruskal Wallis 28 mwp-045 ranksum/median / 31 mwp-047 roctab/roccomp ROC 34 mwp-050 s
BR003 Stata 11 Stata ROC whitepaper mwp anova/oneway 3 mwp-042 kwallis Kruskal Wallis 28 mwp-045 ranksum/median / 31 mwp-047 roctab/roccomp ROC 34 mwp-050 sampsi 47 mwp-044 sdtest 54 mwp-043 signrank/signtest
BR001
BR001 Stata 11 Stata Stata11 whitepaper mwp 3 mwp-027 22 mwp-028 / 40 mwp-001 logistic/logit 50 mwp-039 logistic/logit postestimation 60 mwp-040 margins 74 mwp-029 regress 90 mwp-037 regress postestimation
事例研究(ミクロ経済政策・問題分析III) -規制産業と料金・価格制度-
事例研究 ( ミクロ経済政策 問題分析 III) - 規制産業と料金 価格制度 - ( 第 7 回 手法 (3) 応用データ解析 / 基礎的手法 ) 2010 年 6 月 2 日 戒能一成 0. 本講の目的 ( 手法面 ) - 応用データ解析の手順や基本的な作業の流れ (Strategy) を理解する - 特にグラフ化や統計検定などの手法を用いた データ解析手法の選択と検定 確認について理解する (
第11回：線形回帰モデルのOLS推定
11 OLS 2018 7 13 1 / 45 1. 2. 3. 2 / 45 n 2 ((y 1, x 1 ), (y 2, x 2 ),, (y n, x n )) linear regression model y i = β 0 + β 1 x i + u i, E(u i x i ) = 0, E(u i u j x i ) = 0 (i j), V(u i x i ) = σ 2, i
.. est table TwoSLS1 TwoSLS2 GMM het,b(%9.5f) se Variable TwoSLS1 TwoSLS2 GMM_het hi_empunion totchr
3,. Cameron and Trivedi (2010) Microeconometrics Using Stata, Revised Edition, Stata Press 6 Linear instrumentalvariables regression 9 Linear panel-data models: Extensions.. GMM xtabond., GMM(Generalized
こんにちは由美子です
1 2 . sum Variable Obs Mean Std. Dev. Min Max ---------+----------------------------------------------------- var1 13.4923077.3545926.05 1.1 3 3 3 0.71 3 x 3 C 3 = 0.3579 2 1 0.71 2 x 0.29 x 3 C 2 = 0.4386
1 Stata SEM LightStone 1 5 SEM Stata Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. Introduc
1 Stata SEM LightStone 1 5 SEM Stata Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. Introduction to confirmatory factor analysis 9 Stata14 2 1
Microsoft Word - 計量研修テキスト_第5版）.doc
Q10-2 テキスト P191 1. 記述統計量 ( 変数 :YY95) 表示変数として 平均 中央値 最大値 最小値 標準偏差 観測値 を選択 A. 都道府県別 Descriptive Statistics for YY95 Categorized by values of PREFNUM Date: 05/11/06 Time: 14:36 Sample: 1990 2002 Included
1 12 *1 *2 (1991) (1992) (2002) (1991) (1992) (2002) 13 (1991) (1992) (2002) *1 (2003) *2 (1997) 1
2005 1 1991 1996 5 i 1 12 *1 *2 (1991) (1992) (2002) (1991) (1992) (2002) 13 (1991) (1992) (2002) *1 (2003) *2 (1997) 1 2 13 *3 *4 200 1 14 2 250m :64.3km 457mm :76.4km 200 1 548mm 16 9 12 589 13 8 50m
Stata 11 whitepaper mwp 4 mwp mwp-028 / 41 mwp mwp mwp-079 functions 72 mwp-076 insheet 89 mwp-030 recode 94 mwp-033 reshape wide
PS001 Stata 11 whitepaper mwp 4 mwp-027 23 mwp-028 / 41 mwp-001 51 mwp-078 62 mwp-079 functions 72 mwp-076 insheet 89 mwp-030 recode 94 mwp-033 reshape wide/long 100 mwp-036 ivregress 110 mwp-082 logistic/logit
減圧レギュレーターの流量曲線 技術資料 (MS-06-114;rev_0;ja-JP;技術情報)
www.swagelok.co.jp SPE Swagelok KPR SPE Y X 1 2.75 MPa 1.72 MPa 3.44 MPa 15.1 MPa 2. 3.44 MPa 1.5 6.89 MPa 1. MPa.5 3.44 MPa 6.89 MPa 15.1 MPa 4 8 12 16 std /min 1 1 2.75 MPa 1.37 MPa 1 3 2 2.5 2.4.3.2
untitled
2011/6/22 M2 1*1+2*2 79 2F Y YY 0.0 0.2 0.4 0.6 0.8 0.000 0.002 0.004 0.006 0.008 0.010 0.012 1.0 1.5 2.0 2.5 3.0 3.5 4.0 Y 0 50 100 150 200 250 YY A (Y = X + e A ) B (YY = X + e B ) X 0.00 0.05 0.10
> > <., vs. > x 2 x y = ax 2 + bx + c y = 0 2 ax 2 + bx + c = 0 y = 0 x ( x ) y = ax 2 + bx + c D = b 2 4ac (1) D > 0 x (2) D = 0 x (3
13 2 13.0 2 ( ) ( ) 2 13.1 ( ) ax 2 + bx + c > 0 ( a, b, c ) ( ) 275 > > 2 2 13.3 x 2 x y = ax 2 + bx + c y = 0 2 ax 2 + bx + c = 0 y = 0 x ( x ) y = ax 2 + bx + c D = b 2 4ac (1) D >
untitled
Ψ 1980 46 1975 2002 Ψ e-mail: sunahara@blue.interq.or.jp -1- 1985 1985 647 2001 Tibout Peterson 1 1985 2001 1998 2003 1987 2002 2001 2004-2- 2003 2004 2001 2004 1998 2001 2001 1 2/3 override -3- 100 2004
.001 nonsmoker smoker 0 Density 5.0e infant birthweight (grams) Graphs by 1 if mother smoked 図 2. 新生児体重のヒストグラム (
第一回はじめての傾向スコア分析 これから 3 回にわたって傾向スコア分析について説明します 各回の内容は以下の通りです 第一回はじめての傾向スコア分析第二回分析後のチェック第三回 Abadie and Imbens(2011) の貢献 Stata14 をまだお持ちでない方は是非 デモ版をダウンロードしてお試しください 理屈はともかく 一度 傾向スコア分析をやってみましょう 次に示すようにコマンド ウィンドウにコマンドを直接入力して
Vol.65 No.2 大阪大学経済学 September 2015 東日本大震災が大阪市の住宅価格に与えた影響について : 中古マンション価格を例にとって 保元大輔 谷﨑久志 要旨 JELR 1. はじめに Stata,, %.,
Title Author(s) 東日本大震災が大阪市の住宅価格に与えた影響について : 中古マンション価格を例にとって 保元, 大輔 ; 谷﨑, 久志 Citation 大阪大学経済学. 65(2) P.39-P.55 Issue Date 2015-09 Text Version publisher URL https://doi.org/10.18910/57097 DOI 10.18910/57097
1 15 R Part : website:
1 15 R Part 4 2017 7 24 4 : website: email: http://www3.u-toyama.ac.jp/kkarato/ kkarato@eco.u-toyama.ac.jp 1 2 2 3 2.1............................... 3 2.2 2................................. 4 2.3................................
() 1 1 2 2 3 2 3 308,000 308,000 308,000 199,200 253,000 308,000 77,100 115,200 211,000 308,000 211,200 62,200 185,000 308,000 154,000 308,000 2 () 308,000 308,000 253,000 308,000 77,100 211,000 308,000
PSCHG000.PS
a b c a ac bc ab bc a b c a c a b bc a b c a ac bc ab bc a b c a ac bc ab bc a b c a ac bc ab bc de df d d d d df d d d d d d d a a b c a b b a b c a b c b a a a a b a b a
ネットショップ・オーナー２ ユーザーマニュアル
1 1-1 1-2 1-3 1-4 1 1-5 2 2-1 A C 2-2 A 2 C D E F G H I 2-3 2-4 2 C D E E A 3 3-1 A 3 A A 3 3 3 3-2 3-3 3-4 3 C 4 4-1 A A 4 B B C D C D E F G 4 H I J K L 4-2 4 C D E B D C A C B D 4 E F B E C 4-3 4
EPSON エプソンプリンタ共通 取扱説明書 ネットワーク編
K L N K N N N N N N N N N N N N L A B C N N N A AB B C L D N N N N N L N N N A L B N N A B C N L N N N N L N A B C D N N A L N A L B C D N L N A L N B C N N D E F N K G H N A B C A L N N N N D D
ありがとうございました
- 1 - - 2 - - 3 - - 4 - - 5 - 1 2 AB C A B C - 6 - - 7 - - 8 - 10 1 3 1 10 400 8 9-9 - 2600 1 119 26.44 63 50 15 325.37 131.99 457.36-10 - 5 977 1688 1805 200 7 80-11 - - 12 - - 13 - - 14 - 2-1 - 15 -
EPSON エプソンプリンタ共通 取扱説明書 ネットワーク編
K L N K N N N N N N N N N N N N L A B C N N N A AB B C L D N N N N N L N N N A L B N N A B C N L N N N N L N A B C D N N A L N A L B C D N L N A L N B C N N D E F N K G H N A B C A L N N N N D D
公務員人件費のシミュレーション分析
47 50 (a) (b) (c) (7) 11 10 2018 20 2028 16 17 18 19 20 21 22 20 90.1 9.9 20 87.2 12.8 2018 10 17 6.916.0 7.87.4 40.511.6 23 0.0% 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2.0% 4.0% 6.0% 8.0%
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 A B (A/B) 1 1,185 17,801 6.66% 2 943 26,598 3.55% 3 3,779 112,231 3.37% 4 8,174 246,350 3.32% 5 671 22,775 2.95% 6 2,606 89,705 2.91% 7 738 25,700 2.87% 8 1,134
橡hashik-f.PDF
1 1 1 11 12 13 2 2 21 22 3 3 3 4 4 8 22 10 23 10 11 11 24 12 12 13 25 14 15 16 18 19 20 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 144 142 140 140 29.7 70.0 0.7 22.1 16.4 13.6 9.3 5.0 2.9 0.0
198
197 198 199 200 201 202 A B C D E F G H I J K L 203 204 205 A B 206 A B C D E F 207 208 209 210 211 212 213 214 215 A B 216 217 218 219 220 221 222 223 224 225 226 227 228 229 A B C D 230 231 232 233 A
1
1 2 3 4 5 (2,433 ) 4,026 2710 243.3 2728 402.6 6 402.6 402.6 243.3 7 8 20.5 11.5 1.51 0.50.5 1.5 9 10 11 12 13 100 99 4 97 14 A AB A 12 14.615/100 1.096/1000 B B 1.096/1000 300 A1.5 B1.25 24 4,182,500
05[ ]戸田(責)村.indd
![05[ ]戸田(責)村.indd](/thumbs/91/106164845.jpg "05[ ]戸田(責)村.indd")
147 2 62 4 3.2.1.16 3.2.1.17 148 63 1 3.2.1.F 3.2.1.H 3.1.1.77 1.5.13 1 3.1.1.05 2 3 4 3.2.1.20 3.2.1.22 3.2.1.24 3.2.1.D 3.2.1.E 3.2.1.18 3.2.1.19 2 149 3.2.1.23 3.2.1.G 3.1.1.77 3.2.1.16 570 565 1 2
/9/ ) 1) 1 2 2) 4) ) ) 2x + y 42x + y + 1) 4) : 6 = x 5) : x 2) x ) x 2 8x + 10 = 0
1. 2018/9/ ) 1) 8 9) 2) 6 14) + 14 ) 1 4 8a 8b) 2 a + b) 4) 2 : 7 = x 8) : x ) x ) + 1 2 ) + 2 6) x + 1)x + ) 15 2. 2018/9/ ) 1) 1 2 2) 4) 2 + 6 5) ) 2x + y 42x + y + 1) 4) : 6 = x 5) : x 2) x 2 15 12
A A = a 41 a 42 a 43 a 44 A (7) 1 (3) A = M 12 = = a 41 (8) a 41 a 43 a 44 (3) n n A, B a i AB = A B ii aa
1 2 21 2 2 [ ] a 11 a 12 A = a 21 a 22 (1) A = a 11 a 22 a 12 a 21 (2) 3 3 n n A A = n ( 1) i+j a ij M ij i =1 n (3) j=1 M ij A i j (n 1) (n 1) 2-1 3 3 A A = a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33
31 gh gw
30 31 gh gw 32 33 1406 1421 640 0 (mm) (mm) MAX1513 MIN349 MIN280 MAX900 gh gw 34 gh gh gw gw gh gh gw gw gh gh gw gw 35 175 176 177 178 179 180 181 195 196 197 198 202 203 2 1 L L L2 L2 L2 L 2 2 1 L L
スライド 1
住 宅 土 地 統 計 調 査 の 妥 当 性 検 証 と 検 証 後 の 空 き 家 率 問 題 化 の 時 期 東 京 大 学 都 市 工 学 ワークショップ 人 口 減 少 時 代 の 住 宅 土 地 のリユース リサイクル - 空 き 家 空 き 地 問 題 のその 先 - 2015 年 12 月 20 日 ( 日 ) リクルート 住 まい 研 究 所 所 長 宗 健 住 宅 土 地 統 計
N 847 1085 1932 2966 3336 6302 % 43.8 56.2 100 47.1 52.9 100 28 72 41.34 28 77 51.52 N 84 750 580 478 28 12 1932 % 4.3 38.8 30.0 24.7 1.4 0.6 100 N 1079 2710 1318 1083 60 52 6302 % 17.1 43.0 20.9 17.2
0 (18) /12/13 (19) n Z (n Z ) 5 30 (5 30 ) (mod 5) (20) ( ) (12, 8) = 4
0 http://homepage3.nifty.com/yakuikei (18) 1 99 3 2014/12/13 (19) 1 100 3 n Z (n Z ) 5 30 (5 30 ) 37 22 (mod 5) (20) 201 300 3 (37 22 5 ) (12, 8) = 4 (21) 16! 2 (12 8 4) (22) (3 n )! 3 (23) 100! 0 1 (1)
Excess Capacity and Effectiveness of Policy Interventions: Evidence from the Cement Industry SMU
Excess Capacity and Effectiveness of Policy Interventions: Evidence from the Cement Industry SMU 2017 12 22 (1/2): - 1970-2010 HDD - 2010 (Misallocation) Ghemawat and Nalebuff (1990) / War of Attrition
Stata User Group Meeting in Kyoto / ( / ) Stata User Group Meeting in Kyoto / 21
Stata User Group Meeting in Kyoto / 2017 9 16 ( / ) Stata User Group Meeting in Kyoto 2017 9 16 1 / 21 Rosenbaum and Rubin (1983) logit/probit, ATE = E [Y 1 Y 0 ] ( / ) Stata User Group Meeting in Kyoto
k2 ( :35 ) ( k2) (GLM) web web 1 :
2012 11 01 k2 (2012-10-26 16:35 ) 1 6 2 (2012 11 01 k2) (GLM) kubo@ees.hokudai.ac.jp web http://goo.gl/wijx2 web http://goo.gl/ufq2 1 : 2 2 4 3 7 4 9 5 : 11 5.1................... 13 6 14 6.1......................
Jasmine
Jasmine Jasmine Jasmine 1.... 3 1.1.... 3 1.2.... 5 1.3.... 6 1.4.... 8 1.5....11 1.6.... 13-2 - Jasmine 1. 1.1. - 3 - Jasmine - 4 - Jasmine 1.2. 1 20-5 - Jasmine 1.3. - 6 - Jasmine [ERR0001] [ERR0001]
DAA09
> summary(dat.lm1) Call: lm(formula = sales ~ price, data = dat) Residuals: Min 1Q Median 3Q Max -55.719-19.270 4.212 16.143 73.454 Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) 237.1326
Jasmine 1.... 3 1.1.... 3 1.2.... 5 1.3.... 7 1.4.... 9 1.5....11 1.6.... 13 1.7.... 14-2 -
Jasmine Jasmine Jasmine 1.... 3 1.1.... 3 1.2.... 5 1.3.... 7 1.4.... 9 1.5....11 1.6.... 13 1.7.... 14-2 - Jasmine 1. 1.1. - 3 - Jasmine [ERR0001] [ERR0001] [ERR0001] [ERR0034] [ERR0032] [ERR0034] - 4
一般化線形 (混合) モデル (2) - ロジスティック回帰と GLMM
.. ( ) (2) GLMM kubo@ees.hokudai.ac.jp I http://goo.gl/rrhzey 2013 08 27 : 2013 08 27 08:29 kubostat2013ou2 (http://goo.gl/rrhzey) ( ) (2) 2013 08 27 1 / 74 I.1 N k.2 binomial distribution logit link function.3.4!
SEABEAM 2112 100V,60Hz, 15A 3.2 2 _ AC100V 60Hz 2 DF4 DF5 VSG-4BCL 1 2Pin 5A DC24V 1 DF6 VSG-4BCL 1Pin 24V 2Pin 0V DF3 6 1A RS232C DC24V DC24V Max9600bps 1 DF3 VSG-4BCL 1Pin 24V 2Pin Down 3Pin
やめったに会わない人 ) などの弱い紐帯が, 満足度や収入という点で有効であることを示した (Granovetter, 1973; 1974). しかしながら, 知人を通じて得た職業がなぜ有効なのか, そのメカニズムについては自明ではない.Lin, Ensel, and Vaughn (1981)
入職経路と産業の地位達成への効果 社会関係資本活用の有効性の検討 * 1 辻竜平 ( 近畿大学 ) 論文要旨 本稿では, 入職経路によって地位達成に有利 / 不利の違いがあるのか, また, 産業によって入職経路と地位達成の関係に違いがあるのかを検討する. 地位達成は, 継続期間, 収入, 職業威信という 3 つの側面から検討することとし, 入職経路は,10 種類 ( 分析に用いるのは, そのうち 8
yamadaiR(cEFA).pdf
R 2012/10/05 Kosugi,E.Koji (Yamadai.R) Categorical Factor Analysis by using R 2012/10/05 1 / 9 Why we use... 3 5 Kosugi,E.Koji (Yamadai.R) Categorical Factor Analysis by using R 2012/10/05 2 / 9 FA vs
第9回 日経STOCKリーグレポート 審査委員特別賞＜地域の元気がでるで賞＞
1/21 1 2 3 1 2 3 4 5 4 5 6 2/21 2 3 2 4 5 6 3/21 38 38 4 2007 10 471 10 10 () () () OKI () () () () () 1989 2008 4 13 10 10 1 2 3 4 1 3 1 4/21 2 3 3 2 5/21 3 100 1.5 1/2 4 () 1991 2002 10 3 1 6/21 10 6
ECCS. ECCS,. ( 2. Mac Do-file Editor. Mac Do-file Editor Windows Do-file Editor Top Do-file e
1 1 2015 4 6 1. ECCS. ECCS,. (https://ras.ecc.u-tokyo.ac.jp/guacamole/) 2. Mac Do-file Editor. Mac Do-file Editor Windows Do-file Editor Top Do-file editor, Do View Do-file Editor Execute(do). 3. Mac System
7 27 7.1........................................ 27 7.2.......................................... 28 1 ( a 3 = 3 = 3 a a > 0(a a a a < 0(a a a -1 1 6
26 11 5 1 ( 2 2 2 3 5 3.1...................................... 5 3.2....................................... 5 3.3....................................... 6 3.4....................................... 7
DAA12
Observed Data (Total variance) Predicted Data (prediction variance) Errors in Prediction (error variance) Shoesize 23 24 25 26 27 male female male mean female mean overall mean Shoesize 23 24 25 26 27
II
II 16 16.0 2 1 15 x α 16 x n 1 17 (x α) 2 16.1 16.1.1 2 x P (x) P (x) = 3x 3 4x + 4 369 Q(x) = x 4 ax + b ( ) 1 P (x) x Q(x) x P (x) x P (x) x = a P (a) P (x) = x 3 7x + 4 P (2) = 2 3 7 2 + 4 = 8 14 +
151021slide.dvi
: Mac I 1 ( 5 Windows (Mac Excel : Excel 2007 9 10 1 4 http://asakura.co.jp/ books/isbn/978-4-254-12172-8/ (1 1 9 1/29 (,,... (,,,... (,,, (3 3/29 (, (F7, Ctrl + i, (Shift +, Shift + Ctrl (, a i (, Enter,
最小2乗法
2 2012 4 ( ) 2 2012 4 1 / 42 X Y Y = f (X ; Z) linear regression model X Y slope X 1 Y (X, Y ) 1 (X, Y ) ( ) 2 2012 4 2 / 42 1 β = β = β (4.2) = β 0 + β (4.3) ( ) 2 2012 4 3 / 42 = β 0 + β + (4.4) ( )
Microsoft PowerPoint - TA報告（7）
TA 報告 (7) 実証会計学 Eviews の基本操作 藤井ゼミサブゼミ 6/21(Fri) @106 演習室京都大学大学院経済学研究科博士後期課程 1 回生渡邊誠士 注意 Eviews の操作は多くの方法が存在する 正直なところ 私自身も効率的な使い方ができているかどうかはわからない ( おそらくできていない ) きちんとした使い方は多くの本が出ているので 文献を調査して自学自習してください 1
PDF用 レポート：中国保険市場の現状と展望.PDF
1 INDEX 2 4 9 13 24 29 2 3 4 1000 900 800 700 600 500 400 300 200 100 0 90 91 92 93 94 95 96 97 98 99 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 100% 50% 0% 89 90 91 92 93 94 95 96 97 98 99 5 6 7 8 9
第2回：データの加工・整理
2 2018 4 13 1 / 24 1. 2. Excel 3. Stata 4. Stata 5. Stata 2 / 24 1 cross section data e.g., 47 2009 time series data e.g., 1999 2014 5 panel data e.g., 47 1999 2014 5 3 / 24 micro data aggregate data 4
(lm) lm AIC 2 / 1
W707 s-taiji@is.titech.ac.jp 1 / 1 (lm) lm AIC 2 / 1 : y = β 1 x 1 + β 2 x 2 + + β d x d + β d+1 + ϵ (ϵ N(0, σ 2 )) y R: x R d : β i (i = 1,..., d):, β d+1 : ( ) (d = 1) y = β 1 x 1 + β 2 + ϵ (d > 1) y
7. フィリップス曲線 経済統計分析 (2014 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推
7. フィリップス曲線 経済統計分析 ( 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推定結果に基づく予測シミュレーション 物価と失業の関係......... -. -. -........ 失業率
老いても美しく輝くために
1998 11-1- 1998 1 1 1979 82 3 1 2 3 20 3 1 2 3 1 2 3 3 1985 3-2- 1998 11 20 2 1985 1985 1-3- 1998 1989 4 3 1 80 5 6 1-4- 1998 1985 1 1 2 2-5- 1998 1 11 11-6- 1998 GDP 16% 19% 1 2 3 14 18 42 3 ( 3) 3-7-
GLM PROC GLM y = Xβ + ε y X β ε ε σ 2 E[ε] = 0 var[ε] = σ 2 I σ 2 0 σ 2 =... 0 σ 2 σ 2 I ε σ 2 y E[y] =Xβ var[y] =σ 2 I PROC GLM
![GLM PROC GLM y = Xβ + ε y X β ε ε σ 2 E[ε] = 0 var[ε] = σ 2 I σ 2 0 σ 2 =... 0 σ 2 σ 2 I ε σ 2 y E[y] =Xβ var[y] =σ 2 I PROC GLM](/thumbs/84/89087584.jpg "GLM PROC GLM y = Xβ + ε y X β ε ε σ 2 E[ε] = 0 var[ε] = σ 2 I σ 2 0 σ 2 =... 0 σ 2 σ 2 I ε σ 2 y E[y] =Xβ var[y] =σ 2 I PROC GLM")
PROC MIXED ( ) An Introdunction to PROC MIXED Junji Kishimoto SAS Institute Japan / Keio Univ. SFC / Univ. of Tokyo e-mail address: jpnjak@jpn.sas.com PROC MIXED PROC GLM PROC MIXED,,,, 1 1.1 PROC MIXED
(21.5%) ( %) ( %)
2018 GDP 564.3 2025 GDP 645.6 2040 GDP 790.6 39.2 (7.0%) 10.7 (1.9%) 47.8 47.4 15.3 (2.4%) (7.4%) (7.3%) 68.5 66.7 25.8 (3.3%) (8.4%) (8.7%) 49.9 62.763.1 92.594.3 (8.8%) (9.79.8%) (11.711.9%) 2018 GDP
オーストラリア研究紀要 ３６号（Ｐ）☆／３．橋本
36 p.9 202010 Tourism Demand and the per capita GDP : Evidence from Australia Keiji Hashimoto Otemon Gakuin University Abstract Using Australian quarterly data1981: 2 2009: 4some time-series econometrics
Microsoft Word - 計量研修テキスト_第5版）.doc
Q9-1 テキスト P166 2)VAR の推定 注 ) 各変数について ADF 検定を行った結果 和文の次数はすべて 1 である 作業手順 4 情報量基準 (AIC) によるラグ次数の選択 VAR Lag Order Selection Criteria Endogenous variables: D(IG9S) D(IP9S) D(CP9S) Exogenous variables: C Date:
k3 ( :07 ) 2 (A) k = 1 (B) k = 7 y x x 1 (k2)?? x y (A) GLM (k
2012 11 01 k3 (2012-10-24 14:07 ) 1 6 3 (2012 11 01 k3) kubo@ees.hokudai.ac.jp web http://goo.gl/wijx2 web http://goo.gl/ufq2 1 3 2 : 4 3 AIC 6 4 7 5 8 6 : 9 7 11 8 12 8.1 (1)........ 13 8.2 (2) χ 2....................
内田ゼミ 仮想通貨分析
内田ゼミ 仮想通貨分析 中村多田 充育心 目次 背景 目的 仮説 検証 検証結果 結果分析 今後の展望 目次 背景 目的 仮説 検証 検証結果 結果分析 今後の展望 背景 What is 仮想通貨?? 背景 仮想通貨とは 一言でいうとインターネット上の新しい通貨のようなもの ( 金融庁 HP 国会提出法案 ( 第 190 回国会 ) 法律 理由 http://www.fsa.go.jp/common/diet/190/01/riyuu.pdf
Microsoft Word - 計量研修テキスト_第5版）.doc
Q4-1 テキスト P83 多重共線性が発生する回帰 320000 280000 240000 200000 6000 4000 160000 120000 2000 0-2000 -4000 74 76 78 80 82 84 86 88 90 92 94 96 98 R e s i dual A c tual Fi tted Dependent Variable: C90 Date: 10/27/05
*2015カタログ_ブック.indb
-319 -320 -321 -322-40 1600-20 0 20 40 60 80 100 1600 1000 600 400 200 100 60 40 20 VG 22 VG 32 VG 46 VG 68 VG 100 36 16 ν opt. 10 5 5-40 -25-10 0 10 30 50 70 90 115 t min = -40 C t max = +115 C 0.5 0.4
23_33.indd
23 2TB 1TB 6TB 3TB 2TB 3TB 3TB 2TB 2TB 1TB 1TB 500GB 4TB 1TB 1TB 500GB 2TB 2TB 1TB 1TB RT RT RT RT RT RT RT MAC 10. 10. 10.6 10.5 MAC 10. 10. 10.6 10.5 MAC 10. 10.6 10.5 MAC 10. 10. 10.6 10.5 MAC 10. 10.6
kubostat2017c p (c) Poisson regression, a generalized linear model (GLM) : :
kubostat2017c p.1 2017 (c), a generalized linear model (GLM) : kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2017 11 14 : 2017 11 07 15:43 kubostat2017c (http://goo.gl/76c4i) 2017 (c) 2017 11 14 1 / 47 agenda
a q q y y a xp p q y a xp y a xp y a x p p y a xp q y x yaxp x y a xp q x p y q p x y a x p p p p x p
a a a a y y ax q y ax q q y ax y ax a a a q q y y a xp p q y a xp y a xp y a x p p y a xp q y x yaxp x y a xp q x p y q p x y a x p p p p x p y a xp q y a x p q p p x p p q p q y a x xy xy a a a y a x
橡財政班論文.PDF
1 38 2 11 92 7 80 2 1997 1 2 3 4 % % 6 1 7 8 1 2 3 49.98 31 36.67 2.3 99 96 90.3 3. 47.1 39.3 9 94 76.1 7.9 6.9 2.9 2.0 3 4 49.98 1 8 4 11 2 6 46.4 40 3 4 6 12 0 1 1986 28 2 ( 28 31 36 4 ) 1988 40 2 2
- 32 -
- 32 - - 33 - - 34 - 1-35 - - 36 - 2-37 - - 38 - 3-39 - - 40 - 4-41 - - 42 - 5 22 1.0-43 - - 44 - 6 2-45 - - 46 - 7-47 - - 48 - 8-49 - - 50 - 9-51 - - 52 - 10-53 - - 54 - 11-55 - - 57 - 1 5 10 10-58 -