- SAS
- Voordelen
- is bedoeld voor serieuze mensen, maken geen software om een jaar later weer te updaten
- kan goed overweg met grote datasets: mijn indruk: het is het enige programma dat dit kan
- wordt gebruikt in de privésector
- Nadelen
- moeilijke taal
- duur
- stug in het gebruik (vb. vervelend om telkens alle DATA commando's in te geven)
- Persoonlijk
- ik gebruikte het niet veel en heb de licentie niet vernieuwd
- SPSS
- Voordelen
- ziet er simpel uit
- toch bijna alle statistische mogelijkhede
- ik vind OMS een handige functie
- Python
- Nadelen
- crasht
- géén user-base
- slechte troubleshooting
- bijna zoveel updates als windows
- duur, laat zich verkopen in verschillende pakketten, maar je weet eigenlijk nooit of en wanneer je die nodig zal hebben
- Persoonlijk
- ik ken het redelijk goed en gebruik het heel vaak
- voor het construeren van variabelen is het erg gemakkelijk
- voor het werken met grote datasets: het is mogelijk
- STATA
- Voordelen
- de code is erg esthetisch
- het programma is solide
- de documentatie is uitmuntend
- de user base actief
- de mogelijkheden uitgebreid
- goedkoop, open source
- grafische aspecten zijn logisch
- werkt op alle OS
- Nadelen
- werkt met slechts één dataset
- ingewikkelder dan SPSS
- output in excel krijgen blijft een groot probleem, alle plugins ten spijt
- kan niét overweg met gigantische datasets (>RAM), kan afhankelijk van het OS wel of niet overweg met grote datasets
- Persoonlijk
- ik geeft het een kans
- GRETL
- Voordelen
- gratis, open source, R based
- goed voor longitudinaal onderzoek en kwantielregressie
- Nadelen
- beperkte mogelijkheden
- crashes
- povere output
- Persoonlijk
- ik gebruik nu eerder STATA
- R
- Voordelen
- gratis, open source
- compleet
- Nadelen
- ingewikkeld
- Persoonlijk
- nooit iets van begrepen
- HLM
- Voordelen
- gebruiksvriendelijk
- gespecialiseerd
- Nadelen
- niets
- Persoonlijk
- lang geleden
- enkel nodig voor ML binary logistic
vrijdag 4 juni 2010
Software kiezen
Er is altijd veel heisa rond het gebruik van statistische programma's. Ik ben geen expert in die materie, maar heb met enkele pakketten ervaring en dit is mijn indruk:
woensdag 2 juni 2010
Gewogen data
Context
Je hebt je data gewogen, omwille van een overselectie van bepaalde kleine groepen of omwille van een onderselectie door een slecht design. Kan gebeuren.
Vraag
Wat voor analyses kan ik nog uitvoeren? Zal de weging mijn standaardfouten beïnvloeden? Zijn de coëfficiënten juist als ik niet weeg?
Antwoord
Ik heb mij slechts over twee methodes gebogen: regressies en chi²-toetsen. Mijn conclusie is dat wanneer een analyse zich op variantie baseert, wegen niet aanbevolen is. In het andere geval (chi²) wél. Even nuanceren:
Bij regressie hoef je niet te wegen: het gaat om het effect van één variabele op een andere. Weging zou eventueel outliers nadrukkelijker het effect laten bepalen, en dat kan gewenst zijn: er was immers een onderschatting van een bepaalde groep. Neem je echter de variabelen waarop de weging gebaseerd is in je model op als interactieterm, dan heb je net hetzelfde resultaat, een correcter model én juiste standaardfouten. Met andere woorden: wegen is over het algemeen af te raden.
Nadelen: misschien begrijp je niet veel meer van je coëfficiënten door alle interacties en het intercept only model geeft geen populatiegemiddelde (in het volledige model is het intercept een gecontrolleerd gemiddelde).
Chi² is een ander geval: het gaat hier om een eenvoudigere statistiek. Je vergelijkt verwachte en geobserveerde celpercentages. Die celpercentages zullen preciezer zijn bij een gestratificeerde steekproef. Maar dan moet je wegen, anders kloppen de percentages gewoonweg niet. Voor het aantal vrijheidsgraden gebruik je de ongewogen n (of de gewogen n als het gewicht een gemiddelde heeft van 1), of het aantal categorieën als de test dit vereist.
Wat t-testen betreft denk ik dat het onmogelijk is een correctie test uit te voeren: een t-test is niet anders dan een regressie waar niet voor andere variabelen gecontroleerd wordt. Dat is precies de voorwaarde om ongewogen data te mogen gebruiken. Je zou dus moeten wegen, maar dan verandert de variantie, die precies het betrouwbaarheidsinterval bepaalt. Stata heeft hiervoor speciale weegtechnieken.
Links
http://www.sociology.ohio-state.edu/ptv/faq/weights.htm
http://www.dcs.napier.ac.uk/peas/errors.htm
Je hebt je data gewogen, omwille van een overselectie van bepaalde kleine groepen of omwille van een onderselectie door een slecht design. Kan gebeuren.
Vraag
Wat voor analyses kan ik nog uitvoeren? Zal de weging mijn standaardfouten beïnvloeden? Zijn de coëfficiënten juist als ik niet weeg?
Antwoord
Ik heb mij slechts over twee methodes gebogen: regressies en chi²-toetsen. Mijn conclusie is dat wanneer een analyse zich op variantie baseert, wegen niet aanbevolen is. In het andere geval (chi²) wél. Even nuanceren:
Bij regressie hoef je niet te wegen: het gaat om het effect van één variabele op een andere. Weging zou eventueel outliers nadrukkelijker het effect laten bepalen, en dat kan gewenst zijn: er was immers een onderschatting van een bepaalde groep. Neem je echter de variabelen waarop de weging gebaseerd is in je model op als interactieterm, dan heb je net hetzelfde resultaat, een correcter model én juiste standaardfouten. Met andere woorden: wegen is over het algemeen af te raden.
Nadelen: misschien begrijp je niet veel meer van je coëfficiënten door alle interacties en het intercept only model geeft geen populatiegemiddelde (in het volledige model is het intercept een gecontrolleerd gemiddelde).
Chi² is een ander geval: het gaat hier om een eenvoudigere statistiek. Je vergelijkt verwachte en geobserveerde celpercentages. Die celpercentages zullen preciezer zijn bij een gestratificeerde steekproef. Maar dan moet je wegen, anders kloppen de percentages gewoonweg niet. Voor het aantal vrijheidsgraden gebruik je de ongewogen n (of de gewogen n als het gewicht een gemiddelde heeft van 1), of het aantal categorieën als de test dit vereist.
Wat t-testen betreft denk ik dat het onmogelijk is een correctie test uit te voeren: een t-test is niet anders dan een regressie waar niet voor andere variabelen gecontroleerd wordt. Dat is precies de voorwaarde om ongewogen data te mogen gebruiken. Je zou dus moeten wegen, maar dan verandert de variantie, die precies het betrouwbaarheidsinterval bepaalt. Stata heeft hiervoor speciale weegtechnieken.
Links
http://www.sociology.ohio-state.edu/ptv/faq/weights.htm
http://www.dcs.napier.ac.uk/peas/errors.htm
maandag 17 mei 2010
Gemiddeldes over landen heen
Waar ik voortdurend mee sukkel is met het berekenen van gemiddeldes over landen heen. Daarom deze twee regels:
- Het gemiddelde van de sommen = de som van de gemiddelden
- Het gemiddelde van de ratios < > de ratio van de gemiddelden
Dat tweede is verwarrend, omdat het in veel gevallen wél opgaat. Met randomgetallen is het echter meteen duidelijk.
woensdag 5 mei 2010
Gretl
http://gretl.sourceforge.net/
GRETL is een open source programma voor regressies, tijdsreeksanalyse en andere econometrische statistiek. Ik heb het gebruikt voor kwantielregressie. Best een knap programma, maar in de vorige versie zaten toch nog wat haperingen.
GRETL is een open source programma voor regressies, tijdsreeksanalyse en andere econometrische statistiek. Ik heb het gebruikt voor kwantielregressie. Best een knap programma, maar in de vorige versie zaten toch nog wat haperingen.
donderdag 22 april 2010
Werkbaarheidsmonitor SERV
www.serv.be/werkbaarwerk
Zeer aangename lectuur, eenvoudige tabellen met een analyse van de kwaliteit van arbeid voor geselecteerde profielen, opgesteld door de SERV. Knap werk!
Zeer aangename lectuur, eenvoudige tabellen met een analyse van de kwaliteit van arbeid voor geselecteerde profielen, opgesteld door de SERV. Knap werk!
dinsdag 16 februari 2010
De Guy-Goos these
We vinden een effect van opleidingsniveau op de loondrift in interactie met de conjunctuur. dat negatief is in hoogconjunctuur en positief onder laagconjunctuur.
Volgens Guy moet de verklaring niet bij de hooggeschoolden gezocht worden. Die boeren altijd goed, en dit effect zou niet verschillen naargelang de conjunctuur. De verklaring zit bij de laaggeschoolden. In een hoogconjunctuur komen de bonden sneller tot een goed akkoord, met extra premies e.d. In dat geval is er bovenop het salaris een extra looncomponent die uitgebreid is voor laaggeschoolden, terwijl voor hooggeschoolden weinig verandert. Een stijging van het opleidingsniveau betekent dan een daling van het aantal laaggeschoolden en het wegnemen van een drijfkracht achter de loondrift.
Misschien ...
Volgens Guy moet de verklaring niet bij de hooggeschoolden gezocht worden. Die boeren altijd goed, en dit effect zou niet verschillen naargelang de conjunctuur. De verklaring zit bij de laaggeschoolden. In een hoogconjunctuur komen de bonden sneller tot een goed akkoord, met extra premies e.d. In dat geval is er bovenop het salaris een extra looncomponent die uitgebreid is voor laaggeschoolden, terwijl voor hooggeschoolden weinig verandert. Een stijging van het opleidingsniveau betekent dan een daling van het aantal laaggeschoolden en het wegnemen van een drijfkracht achter de loondrift.
Misschien ...
vrijdag 5 februari 2010
Backward sloping supply curve
Op een bepaald niveau zal een hoger loon de tewerkstelling verkleinen, namelijk wanneer het substitutie-effect kleiner is dan het inkomenseffect. We zien dit aan de supply-curve (als het arbeidsaanbod al niet geheel inelastisch is).
Substitutie-effect: vrije tijd wordt ingeruild voor arbeid, omdat dit het nodige geld opbrengt.
Inkomenseffect: het inkomen is hoog genoeg om met minder arbeid het gewenste nut te bereiken, men zal minder werken bij een loonsverhoging van zodra dit nutsniveau bereikt is
Abonneren op:
Posts (Atom)