Permalink Submitted by پویا علی نیان (not verified) on Tue, 02/04/2020 - 15:46.
اگر اثر متغیر توضیحی بر پاسخ در طول زمان تغییر کند این اطلاعات را نمیتوان در داده های مقطعی متوجه آن شد همچنین در سری زمانی ما معمولا از متغیر توضیحی استفاده نمی کنیم و هدف بیشتر مطالعهی یک متغیر در طول زمان است و عوامل موثر بر آن مطالعه نمی شود ولی داده های طولی در واقع ترکیبی از سری زمانی و رگرسیون است که در آن اثر متغیرها بر پاسخ در طول زمان مطالعه میشود مثلا اگر مثال سمینار را بخواهم باز کنم اگر بین جمعیت و وسعت کشورها رگرسیون بزنیم مثلا وسعت کشورها معمولا در طول چند سال اخیر ثابت بوده ولی جمعیت کشورها با توجه به سیاست کشورها،جنگهاو... ممکن است در طول زمان دچار تغییراتی شود که در صورتی که ما رگرسیون بزنیم متوجه این ارتباطات نمی شویم و استفاده از سری زمانی تنها اطلاعاتی راجع به ارتباط جمعیت و وسعت را نمیدهد پس با استفاده از دادههای طولی هر دو اطلاعات سری و رگرسیون را میتوان به دست آورد. مدل با اثرات آمیخته شامل اثرات تصادفی و اثرات ثابت است و ممکن است در دادههای طولی هر دو نوع عامل وجود داشته باشد.
Permalink Submitted by زهره کمالی (not verified) on Wed, 02/05/2020 - 22:45.
برای مدل زدن داده طولی یک آماردان خودش باید بدان از کدام یک از ساختارهای ماتریس واریانس کواریانس استفاده کند یا از اطلاعاتی است که در اختیارش قرار میدهند ؟
Comments
داده های طولی
پویا علی نیان
سمیه ابراهیمی
زهره کمالی
زهره کمالی
سمیه ابراهیمی
عاطفه قمشی
Add new comment