This paper argues that the quadrati

This paper argues that the quadratic assignment procedure (QAP) is superior to OLS for testing hypothesis in both simple and multiple regression models based on dyadic data, such as found in network analysis. A model of autocorrelation is proposed that is consistent with the assumptions of dyadic data. Results of Monte Carlo simulations indicate that OLS analysis is statistically biased, with the degree of bias varying as a function of the amount of structural autocorrelation. On the other hand, the simulations demonstrate that QAP is relatively unbiased. The Sampson data are used to illustrate the QAP multiple regression procedure and a general method of testing whether the results are statistically biased.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้แย้งว่า กระบวนการกำหนดกำลังสอง (จำกัด) ได้เหนือกว่า OLS สำหรับการทดสอบสมมติฐานในทั้งง่ายและอิง dyadic เช่นพบข้อมูลในเครือข่ายการวิเคราะห์แบบถดถอยหลาย แบบจำลองของ autocorrelation การนำเสนอที่ไม่สอดคล้องกับสมมติฐานของข้อมูล dyadic ผลจำลอง Monte Carlo ระบุว่า วิเคราะห์ OLS จะแน่นลำเอียง มีความแตกต่างกันตามจำนวนโครงสร้าง autocorrelation bias บนมืออื่น ๆ จำลองการสาธิตเป็นกลางค่อนข้างจำกัด ข้อมูล Sampson ใช้แสดงจำกัดในกระบวนการถดถอยหลายและวิธีการทั่วไปของการทดสอบว่าผลลัพธ์ทางสถิติจะลำเอียง

ผลลัพธ์ (ไทย) 2:

บทความนี้ระบุว่าขั้นตอนการกำหนดกำลังสอง (QAP) จะดีกว่า OLS สำหรับการทดสอบสมมติฐานทั้งในรูปแบบที่เรียบง่ายและการถดถอยหลายบนพื้นฐานของข้อมูล dyadic เช่นที่พบในการวิเคราะห์เครือข่าย รูปแบบของอัตเสนอว่ามีความสอดคล้องกับสมมติฐานของข้อมูล dyadic ผลการจำลอง Monte Carlo แสดงให้เห็นว่าการวิเคราะห์ OLS จะลำเอียงทางสถิติที่มีระดับของอคติที่แตกต่างกันเป็นหน้าที่ของจำนวนเงินของอัตโครงสร้างที่ บนมืออื่น ๆ , การจำลองแสดงให้เห็นว่า QAP ค่อนข้างเป็นกลาง ข้อมูลจอห์นที่ใช้ในการแสดงให้เห็นถึงขั้นตอนการถดถอย QAP หลายรูปแบบและวิธีการทั่วไปของการทดสอบไม่ว่าผลจะลำเอียงทางสถิติ

ผลลัพธ์ (ไทย) 3:

บทความนี้ระบุว่าขั้นตอนการมอบหมายกำลังสอง ( แขนกล ) ที่เหนือกว่าเพื่อ OLS สำหรับการทดสอบสมมุติฐานการถดถอยทั้งง่ายและหลาย ตามข้อมูลนี้ เช่นที่พบในการวิเคราะห์เครือข่าย รูปแบบของการเสนอข้อมูลที่สอดคล้องกับสมมติฐานของข้อมูลนี้ . ผลของ Monte Carlo แบบจำลอง พบว่า การวิเคราะห์ OLS ลำเอียงทางสถิติกับระดับของอคติที่เป็นฟังก์ชันของปริมาณของข้อมูลโครงสร้าง บนมืออื่น ๆ , การจำลองแสดงให้เห็นว่าแขนกลค่อนข้างไม่ฝักใฝ่ฝ่ายใด ที่แซมสัน ข้อมูลที่ใช้เพื่อแสดงกระบวนการและแขนกลการถดถอยพหุคูณวิธีทั่วไปของการทดสอบไม่ว่าผลลัพธ์จะลำเอียงทางสถิติ