Diagnostic plots are used less in m

Diagnostic plots are used less in microeconometrics than in some other branches of
statistics, for several reasons. First, economic theory and previous research provide a
lot of guidance as to the likely key regressors and functional form for a model. Studies
rely on this and shy away from excessive data mining. Secondly, microeconometric
studies typically use large datasets and reg ressions with many variables. Many variables
potentially lead to many diagnostic plots, and many observations make it less likely
that any single observation will be very influential, unless data for that observation are
seriously miscoded.
We consider various residual plots that can aid in outlier detection, where an outlier
is an observation poorly predicted by the model. One way to do this is to plot actual
val ues agc unst fitted values of the dependent vari able. The postestimation command
rvfplot gives a transformation of this, plotting the residuals ui = Yi - fj; against the
fitted values Yi = x;/3. We have

Kết quả (Việt) 1:

Chẩn đoán lô được sử dụng ít ở microeconometrics hơn trong một số chi nhánh khác của thống kê, vì nhiều lý do. Đầu tiên, kinh tế lý thuyết và nghiên cứu trước đó cung cấp một nhiều hướng dẫn như có khả năng quan trọng regressors và các hình thức chức năng cho một mô hình. Nghiên cứu Dựa trên điều này và nhút nhát từ khai thác dữ liệu quá nhiều. Thứ hai, microeconometric nghiên cứu thường sử dụng lớn datasets và reg ressions với nhiều biến. Nhiều biến có khả năng dẫn đến nhiều lô chẩn đoán, và quan sát nhiều làm cho nó ít có khả năng bất kỳ đơn quan sát sẽ rất nhiều ảnh hưởng, trừ khi dữ liệu cho các quan sát đó là nghiêm túc miscoded. Chúng tôi xem xét các lô dư có thể hỗ trợ trong outlier phát hiện, nơi một outlier một quan sát kém dự đoán của các mô hình. Một cách để làm điều này là để vẽ thực tế Val ues agc unst trang bị các giá trị của vari phụ thuộc có thể. Lệnh postestimation rvfplot cung cấp cho một chuyển đổi này, âm mưu ui dư = Yi - fj; chống lại các được trang bị giá trị Yi = x; / 3. Chúng tôi có

Kết quả (Việt) 2:

Lô chẩn đoán được sử dụng ít hơn trong microeconometrics hơn trong một số ngành khác của
số liệu thống kê, vì nhiều lý do. Đầu tiên, lý thuyết kinh tế và nghiên cứu trước đây cung cấp một
rất nhiều hướng dẫn về các biến hồi quy chính khả năng và hình thức chức năng cho một mô hình. Nghiên cứu
dựa vào điều này và né tránh khai thác dữ liệu quá mức. Thứ hai, tế lượng vi mô
nghiên cứu thường sử dụng bộ dữ liệu lớn và ressions reg với rất nhiều biến. Nhiều biến
có khả năng dẫn đến nhiều thửa chẩn đoán, và nhiều quan sát làm cho nó ít có khả năng
mà bất kỳ quan sát duy nhất sẽ rất có ảnh hưởng, trừ khi dữ liệu quan sát được
miscoded nghiêm trọng.
Chúng tôi xem xét các lô còn lại khác nhau mà có thể trợ giúp trong việc phát hiện outlier, nơi một outlier
là một quan sát kém dự đoán bởi mô hình. Một cách để làm điều này là để âm mưu thực
ues val AGC giá trị trang bị unst của vari phụ thuộc có thể. Lệnh postestimation
rvfplot cho một chuyển đổi này, âm mưu ui dư = Yi - fj; chống lại các
giá trị được trang bị Yi = x; / 3. Chúng ta có