Dat hangt van het model af. Als je iets helemaal niet verwacht is 12% hoog. Als je iets echt wilt verklaren is 80% laag.quote:Op donderdag 26 januari 2012 22:25 schreef JohnSpek het volgende:
[..]
Ik heb nu een model met 4 variabelen met een adjusted R^2 van 12%.
Het gaat over het underpricing fenomeen van aandelen (gemiddelde eerste dag returns zijn niet verklaarbaar hoog).
Ik weet niet echt wat ik nu kan zeggen. Hoe weet ik of 12% veel is?
Ik heb gewoon hypotheses (of tenminste, die moet ik nog opschrijven) in de vorm van "Variabel 1 heeft een positief effect op variabel Y". Dan is het erg laag dus?quote:Op donderdag 26 januari 2012 22:27 schreef GlowMouse het volgende:
[..]
Dat hangt van het model af. Als je iets helemaal niet verwacht is 12% hoog. Als je iets echt wilt verklaren is 80% laag.
Hij kan genoeg zijn om je nulhypothese (geen effect) te verwerpen.quote:Op donderdag 26 januari 2012 22:38 schreef JohnSpek het volgende:
[..]
Ik heb gewoon hypotheses (of tenminste, die moet ik nog opschrijven) in de vorm van "Variabel 1 heeft een positief effect op variabel Y". Dan is het erg laag dus?
Wat voor factoren hebben daar invloed op?quote:Op donderdag 26 januari 2012 22:42 schreef GlowMouse het volgende:
[..]
Hij kan genoeg zijn om je nulhypothese (geen effect) te verwerpen.
Van wat ik me herinner, zijn p-waarden vaak kleiner dan 0,01 als je heel erg veel waarnemingen hebt zelfs als het effect heel klein is.quote:Op donderdag 26 januari 2012 22:44 schreef JohnSpek het volgende:
[..]
Wat voor factoren hebben daar invloed op?
De p waarde van alle beta's in het model zijn kleiner dan 0,01
Zijn er andere statistische methoden om wat meer duidelijkheid te creëren of er een effect is?quote:Op donderdag 26 januari 2012 22:53 schreef GlowMouse het volgende:
[..]
Van wat ik me herinner, zijn p-waarden vaak kleiner dan 0,01 als je heel erg veel waarnemingen hebt zelfs als het effect heel klein is.
Met jouw hypothese set H0: b1=b2..=bk = 0quote:Op donderdag 26 januari 2012 23:12 schreef Sir_Windsor het volgende:
Je kan gebruik maken van de volgende test (n-k)/(n-1)*R^2/(1-R^2) de test statistic volgt een F distributie. Met H0: b2...bk=0. Je test dus dat alle beta's 0 zijn behalve de intersectie
Je test als R^2 0 kan zijn of niet. Je kijkt dus als je bewijs hebt om aan te nemen dat er geen verband is tussen de afhankelijke en onafhankelijke variabelen.quote:Op donderdag 26 januari 2012 23:19 schreef JohnSpek het volgende:
[..]
Met jouw hypothese set H0: b1=b2..=bk = 0
en H1: Niet H0
Test je toch juist of 1 of meer beta's niet gelijk zijn aan 0?
Dat doet SPSS volgens mij automatisch? Gewoon het testen van het regressiemodel?quote:Op donderdag 26 januari 2012 23:22 schreef Sir_Windsor het volgende:
[..]
Je test als R^2 0 kan zijn of niet. Je kijkt dus als je bewijs hebt om aan te nemen dat er geen verband is tussen de afhankelijke en onafhankelijke variabelen.
Wat is de andere kant van de vergelijking, of moet er geïntegreerd danwel gedifferentieerd worden?quote:
Je bedoelt ?quote:Op zaterdag 28 januari 2012 21:24 schreef One_conundrum het volgende:
uh? ik wil gewoon graag een nummer ipv q. dat nummer is 0.02003
Inderdaad.quote:Op zaterdag 28 januari 2012 21:30 schreef GlowMouse het volgende:
steek maar meer moeite in het stellen van je vraag
haha, Ik had niet verwacht dat mijn vraag zo onduidelijk was.quote:Op zaterdag 28 januari 2012 21:30 schreef GlowMouse het volgende:
steek maar meer moeite in het stellen van je vraag
Forum Opties | |
---|---|
Forumhop: | |
Hop naar: |