Reporting an R-Squared Measure for Count Data Models
这篇文章的灵感来自于我前段时间收到的一封电子邮件，该邮件来自一位博客读者。我认为，更“广泛”的回应可能会引起其他读者的兴趣......尽管存在许多局限性，但在报告最小二乘回归结果时，包括判定系数 (R2) 或其“调整后”的值是标准做法。就我个人而言，我认为 R2 是我们结果中包含的最不重要的统计数据之一，但我们都这样做。（请参阅上一篇文章。）如果所讨论的回归模型是线性的（在参数中）并且包含截距，并且如果参数由普通最小二乘法 (OLS) 估计，则 R2 具有许多众所周知的属性。这些包括：0 ≤ R2 ≤ 1。如果我们向模型中添加回归量，R2 的值不会减小。无论我们将这个度量定义为“解释平方和”与
以下是我本月的建议：Bun, M. J. G. & T. D. Harrison，2109。包括内生交互项的回归模型的 OLS 和 IV 估计。计量经济学评论，38，814-827。Dufour, J-M.、E. Flachaire 和 L. Khalaf，用于比较不平等度量的置换检验。商业和经济统计杂志，37，457-470。Jiao, X. & F. Pretis，2018。测试回归模型中是否存在异常值。可在 SSRN 上获取：https://ssrn.com/abstract=3217213。Stanton, J. M.，2001。Galton、Pearson 和豌豆：面向统计学讲师的线
来自“我们要加权什么？”加里·索伦（Gary Solon），史蒂文·海德（Steven Haider）和杰弗里·沃尔德里奇（Jeffrey Wooldridge）：在他们教科书的一部分开始时，关于回归模型的加权估计，Angrist and Pischke（2009，p。91）承认：“很少有事情能使应用研究人员作为样本权重的作用而混淆，即使现在，在phl.d phl.d pph。
Mathematical model for predicting the thickness of the anodic oxide coating on AMg6 aluminum alloy
解决了AMg6铝合金阳极氧化膜厚度对阳极氧化各工艺参数依赖性的回归模型构建问题。确定了阳极氧化的关键因素是电流密度、温度和时间。获得了描述涂层厚度对技术参数的依赖性的经验方程。评估模型质量并提供结果的图形解释。平均近似误差为 7.032%。
