Using data from Major League Baseba

Using data from Major League Baseball players
once again, you can estimate a model with the natural log of
the player’s contract value as the dependent variable and
several player characteristics as independent variables. The
independent variables include three-year averages for the
player’s slugging percentage (slg_3_avg) and at-bats
(ab_3_avg), the player’s age, and the player’s tenure (years)
with the current team. In Figure 11-8, I illustrate the
step-by-step process of performing a Park test in STATA. My
assumption is that if there’s heteroskedasticity, then at-bats is
the variable responsible for it. In this case, the coefficient for
the variable lnabavg (using the natural log of ab_3_avg as

ผลลัพธ์ (ไทย) 2:

โดยใช้ข้อมูลจากผู้เล่นเมเจอร์ลีกเบสบอล
อีกครั้งคุณสามารถประเมินรูปแบบที่มีบันทึกของตามธรรมชาติของ
มูลค่าสัญญาของผู้เล่นเป็นตัวแปรตามและ
ลักษณะที่ผู้เล่นหลายคนเป็นตัวแปรอิสระ
ตัวแปรอิสระ ได้แก่ ค่าเฉลี่ยในปีที่สามสำหรับ
เข้มข้นร้อยละของผู้เล่น (slg_3_avg) และค้างคาว
(ab_3_avg) อายุของผู้เล่นและผู้เล่นของการดำรงตำแหน่ง (ปี)
กับทีมปัจจุบัน ในรูปที่ 11-8 ผมแสดงให้เห็นถึง
กระบวนการขั้นตอนโดยขั้นตอนในการดำเนินการทดสอบในสวนสาธารณะเดินทางเข้ามายัง ฉัน
สมมติฐานคือว่าถ้ามี heteroskedasticity แล้วค้างคาวเป็น
ตัวแปรรับผิดชอบมัน ในกรณีนี้ค่าสัมประสิทธิ์สำหรับ
lnabavg ตัวแปร (โดยใช้เข้าสู่ระบบตามธรรมชาติของ ab_3_avg เป็น

ผลลัพธ์ (ไทย) 3:

โดยใช้ข้อมูลจากลีกเบสบอลเมเจอร์อีกครั้งคุณสามารถประเมินแบบจำลองกับธรรมชาติเข้าสู่ระบบของผู้เล่นของมูลค่าสัญญา เช่น ตัวแปร และลักษณะผู้เล่นหลายตัวแปรอิสระ ที่ตัวแปรอิสระ ได้แก่ ค่าเฉลี่ย 3 ปีสำหรับผู้เล่นเปอร์เซนต์ของความขี้เกียจ ( slg_3_avg ) และค้างคาว( ab_3_avg ) อายุของผู้เล่น และอายุของผู้เล่น ( ปี )กับทีมปัจจุบัน ในรูป 11-8 ฉันแสดงกระบวนการขั้นตอนตามขั้นตอนของการดำเนินการทดสอบใน Language ปาร์ค . ของฉันสมมติฐานคือว่าถ้ามัน heteroskedasticity แล้วที่ค้างคาวเป็นตัวแปรที่ต้องรับผิดชอบ ในกรณีนี้มีค่าสำหรับตัวแปร lnabavg ( ใช้เข้าสู่ระบบธรรมชาติของ ab_3_avg เป็น