統計ソフトウェアStataを回帰分析に使用する方法

[[377047]]

[51CTO.com からのオリジナル記事] データマイニングと機械学習は、今日の社会では長い間、古典的かつ人気のあるテクノロジーとなっています。関連技術を導入し、社会に大きな利益をもたらしている企業は数多くあります。 Scikit-Learn、Pandas、R、Spark MLLib など、多くの人気のあるデータマイニング ソフトウェアがあり、実践者の日常的な開発とデータ分析作業を大幅に促進します。

オープンソースソフトウェアが普及している今日の世界では、従来の有料ソフトウェアは見過ごされがちです。しかし、Matlab、Mathematica、Maple、Stataなどの数学およびコンピュータソフトウェアは人々に大きな利便性を提供し、オープンソースソフトウェアにはない多くの機能を備えています。今日に至るまで、それらは依然としてあらゆる分野でかけがえのない役割を果たしています。

Stata は、30 年以上の歴史を持つ優れた統計学習ソフトウェアとして、統計学習のための強力なソリューションを提供します。現在のバージョンは 16.0 にアップデートされました。この記事では、Stata の概要を紹介し、回帰分析に Stata を使用する方法を紹介します。

まず、UCLA の学校評価データセットをダウンロードします。

 https://stats.idre.ucla.edu/stat/stata/webbooks/reg/elemapi を使用してください
mkdir c:regstata  
 cd c:regstata  
エレマピを保存 
エレマピを使う

データセットを取得した後、回帰分析を実行する必要がある場合は、次のコマンドを実行するだけです。

回帰 api00 acs_k3 食事満腹   
 
      出典 | SS df MS観測数= 313
 -------------+---------------------------------- F(3, 309) = 213.41  
       モデル | 2634884.26 3 878294.754 確率 > F = 0.0000
    残差 | 1271713.21 309 4115.57673 R二乗 = 0.6745
 -------------+----------------------------------- 調整 R 二乗 = 0.6713  
       合計 | 3906597.47 312 12521.1457 ルート MSE = 64.153 
 
 ----------------------------------------------------------------------------------------------  
       api00 | 係数標準誤差 t P>|t| [95% 信頼区間]
 -------------+----------------------------------------------------------------  
      acs_k3 | -2.681508 1.393991 -1.92 0.055 -5.424424 .0614074
       食事 | -3.702419 .1540256 -24.04 0.000 -4.005491 -3.399348
フル| .1086104 .090719 1.20 0.232 -.0698947 .2871154
       _コンス | 906.7392 28.26505 32.08 0.000 851.1228 962.3555
 ----------------------------------------------------------------------------------------------  

新しい変数を予測する必要がある場合は、次のコマンドを実行します。

予測fv

モデルの残差を表示する必要がある場合は、次のコマンドを実行します。

将来価値、残差を予測する

Stata の最も魅力的な点は、基本的な回帰分析機能に加えて、独自の最適化パラメータ選択機能を提供していることです。Lasso 回帰や Ridge 回帰を計算する場合、最適化関数にペナルティ項があることはご存じのとおりです。ペナルティ項の前の係数をどのように選択するかは、数学界を何十年も悩ませてきた難しい問題であり、数年前まで解決されていませんでした。 Stata はこの点に関して 2 つのアルゴリズムを提供します。1 つはプラグイン メソッド、もう 1 つはクロス検証メソッドです。

Lasso 回帰のプラグイン メソッドを使用する場合は、以下を呼び出すだけです。

 lasso linear api00 acs_k3 食事フル、選択(プラグイン)

返された結果にはパラメータ値と残差が表示されます。

 --------------------------------------------------------------------------  
         |数​ 
         |非ゼロサンプル
      ID | 説明 ラムダ係数 R 二乗 BIC
 ---------+----------------------------------------------------------------  
     * 1 | 選択されたラムダ .1715319 1 0.6610 3513.359
 --------------------------------------------------------------------------  

Lasso 回帰のクロス検証メソッドを使用する場合は、以下を呼び出すだけです。

 lasso linear api00 acs_k3 食事フル、選択(cv)

返される結果には次の表が含まれます。

 --------------------------------------------------------------------------  
         |数​       CV平均外​
         | 非ゼロサンプル予測
      ID | 説明 ラムダ係数 R二乗誤差
---------+----------------------------------------------------------------  
       1 |最初のラムダ 91.43285 0 0.0017 12460.5
      37 | ラムダ 3.210383 3 0.6667 4159.559
    * 38 | 選択されたラムダ 2.925181 3 0.6667 4159.504
      39 | ラムダ2.665316 3 0.6666 4160.824
      43 |最後のラムダ 1.837099 3 0.6657 4172.744
 --------------------------------------------------------------------------  

Lasso 回帰 + プラグイン法、Lasso 回帰 + クロス検証法、従来の OLS の結果が異なることがわかります。 Stataが提供するパラメータ選択法は近年の最新の研究成果であるため、RやScikit-Learnなどの無料のオープンソースソフトウェアではまだ適用されていません。これもStataの貴重な特徴です。

Stata は、さまざまな一般的なデータ分析およびデータ マイニング機能をサポートする便利なプログラミング インターフェイスを提供します。さらに、グラフィカル ユーザー インターフェイスも提供しており、ユーザーはボタンをクリックしたり、ドロップダウン ボックスを選択したりすることで、さまざまな操作を簡単に実行できます。 Stataは経済分野の定番ソフトウェアとして、インターネット企業をはじめとするIT企業からも注目されるはずです。

著者について

テクニカル ディレクター兼建築家の Wang Hao 氏は、ユタ大学で学士号/修士号を取得し、国際ビジネス経済大学で MBA を取得しています。 Baidu、Sina、NetEase、Doubanなどの企業で長年にわたり研究開発と技術管理に携わっており、機械学習、ビッグデータ、推奨システム、ソーシャルネットワーク分析などの技術に長けています。彼はTVCGやASONAMなどの国際会議やジャーナルに11本の論文を発表している。国際学術会議IEEE SMI 2008およびICBDT 2020で最優秀論文賞を受賞。

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]