Using data from Major League Baseba

Using data from Major League Baseball players,
you can estimate a model using the natural log of the player’s
contract value as the dependent variable and several player
characteristics as independent variables, including 3-year
averages for slugging percentages and at-bats, player age, and
player tenure on his current team. You can use STATA to
perform WLS by using a standard FGLS procedure. Figure
11-9 shows the resulting output. As you can see, the WLS
estimates are similar to the OLS estimates, but they’re not
identical. All the coefficients have the same sign before and
after the heteroskedasticity correction. In this example, all the
coefficients that were statistically significant with OLS
remain significant with WLS. However, the effect of tenure is
marginally significant with WLS but wasn’t significant with
OLS.

ผลลัพธ์ (ไทย) 1:

ใช้ข้อมูลจากผู้เล่นเบสบอลเมเจอร์ลีกคุณสามารถประเมินรูปแบบการใช้บันทึกธรรมชาติของผู้เล่นสัญญาค่าตัวและเครื่องเล่นต่าง ๆลักษณะเป็นตัวแปรอิสระ รวม 3 ปีค่าเฉลี่ยสำหรับ slugging เปอร์เซ็นต์ และ at-bats อายุผู้เล่น และดำรงตำแหน่งผู้เล่นในทีมของเขาปัจจุบัน คุณสามารถใช้ STATA เพื่อทำ WLS โดยใช้กระบวนการ FGLS มาตรฐาน รูป11-9 แสดงผลลัพธ์ คุณสามารถดู การ WLSประเมินจะคล้ายกับการประมาณการ OLS แต่พวกเขาไม่ได้เหมือนกัน ค่าสัมประสิทธิ์มีเครื่องหมายเหมือนก่อน และหลังจากแก้ไข heteroskedasticity ในตัวอย่างนี้ ทั้งหมดสัมประสิทธิ์ที่มีนัยสำคัญทางสถิติ ด้วย OLSยังคงสำคัญกับ WLS อย่างไรก็ตาม ผลของการดำรงตำแหน่งคืออย่างมีนัยสำคัญกับ WLS เล็กน้อย แต่ไม่มีนัยสำคัญด้วยOLS

ผลลัพธ์ (ไทย) 2:

โดยใช้ข้อมูลจากผู้เล่นเมเจอร์ลีกเบสบอล
คุณสามารถประเมินรูปแบบที่ใช้การบันทึกตามธรรมชาติของผู้เล่นของ
มูลค่าสัญญาเป็นตัวแปรตามและเครื่องเล่นหลาย
ลักษณะเป็นตัวแปรอิสระรวมถึง 3 ปี
ค่าเฉลี่ยสำหรับเข้มข้นร้อยละและค้างคาวอายุผู้เล่น และ
การดำรงตำแหน่งของผู้เล่นในทีมปัจจุบันของเขา คุณสามารถใช้เดินทางเข้ามายังที่จะ
ดำเนินการแอลเอสโดยใช้กระบวนการ FGLS มาตรฐาน รูปที่
11-9 แสดงผลลัพธ์ที่เกิดขึ้น ในขณะที่คุณสามารถดูที่แอลเอส
ประมาณการมีความคล้ายคลึงกับการประมาณการ OLS แต่พวกเขาไม่ได้
เหมือนกัน ค่าสัมประสิทธิ์ทั้งหมดมีเครื่องหมายเดียวกันก่อนและ
หลังการแก้ไข heteroskedasticity ในตัวอย่างนี้ทุก
ค่าสัมประสิทธิ์ที่มีนัยสำคัญทางสถิติกับ OLS
ยังคงอยู่อย่างมีนัยสำคัญกับแอลเอส อย่างไรก็ตามผลกระทบของการดำรงตำแหน่งเป็น
เล็กน้อยที่สำคัญกับแอลเอส แต่ก็ไม่สำคัญกับ
OLS

ผลลัพธ์ (ไทย) 3:

โดยใช้ข้อมูลจากลีกเบสบอลเมเจอร์คุณสามารถประเมินรูปแบบการใช้เข้าสู่ระบบธรรมชาติของผู้เล่นมูลค่าสัญญาเป็นตัวแปรตามและผู้เล่นหลายลักษณะตัวแปรอิสระทั้ง 3 ปีค่าเฉลี่ย ร้อยละ และต่อสู้กับค้างคาว อายุของผู้เล่น และตำแหน่งผู้เล่นทีมปัจจุบันของเขา คุณสามารถใช้ Language เพื่อแสดงเรื่อง โดยใช้กระบวนการ fgls มาตรฐาน รูป11-9 แสดงผลผลผลิต ที่คุณสามารถดู , เรื่องประมาณการจะคล้ายกับวิธีประมาณการ แต่พวกเขาไม่ได้ที่เหมือนกัน พบทั้งหมดมีเครื่องหมายเดียวกันก่อน และหลังจาก heteroskedasticity แก้ไข ในตัวอย่างนี้ทั้งหมดพบว่ามีความแตกต่างกับ OLSยังคงสำคัญกับเรื่อง . อย่างไรก็ตาม ผลของงาน คือ- ความสัมพันธ์กับแฟน แต่ไม่ได้สำคัญกับเพื่อ OLS .