Metareg Nel Forex Stata

METAREG: Modulo Stata per eseguire una meta-analisi di regressione metareg esegue effetti casuali di meta-regressione su dati di sintesi a livello di studio. Questa è una versione riveduta del programma originariamente scritto da Stephen Sharp (STB-42, sbe23). Le principali modifiche riguardano miglioramenti ai metodi di stima e l'aggiunta di una possibilità di utilizzare un test di permutazione per stimare p-value, tra cui un adeguamento per test multipli. Abbiamo anche fatto aggiunte all'uscita, ha aggiunto la possibilità di produrre un grafico, e incluso il supporto per il comando prevedere. Se si verificano problemi durante il download di un file, controllare se si dispone l'applicazione corretta per vederlo prima. In caso di ulteriori problemi leggi le Idee Assistenza pagina. Si noti che questi file non sono sul sito IDEE. Si prega di essere paziente, come i file possono essere di grandi dimensioni. componente software fornito da Boston College Dipartimento di Economia nella sua serie statistiche componenti software con il numero S446201. Quando si richiede una correzione, si prega di citare questo articoli maniglia: RePEc: BOC: bocode: s446201. Guarda le informazioni generali su come correggere il materiale in RePEc. Per domande tecniche per quanto riguarda questo punto, o per correggere i suoi autori, titolo, abstract, bibliografico o scaricare informazioni, contattare: (Christopher F Baum) Se è stato autore di questa voce e non sei ancora registrato con RePEc, incoraggiamo a farlo qui . Questo permette di collegare il tuo profilo a questo oggetto. Consente inoltre di accettare eventuali citazioni a questo punto che siamo incerti. Se i riferimenti sono del tutto mancanti, è possibile aggiungere utilizzando questo modulo. Se elencano i riferimenti completi di un elemento che è presente in RePEc, ma il sistema non collegano ad esso, si può aiutare con questo modulo. Se siete a conoscenza di elementi che citano questo manca, ci si può aiutare la creazione di quei link aggiungendo i riferimenti relativi allo stesso modo come sopra, per ogni articolo riferendosi. Se sei un autore registrato di questa voce, si consiglia inoltre di controllare la scheda citazioni nel tuo profilo, in quanto vi possono essere alcune citazioni in attesa di conferma. Si prega di notare che le correzioni possono prendere un paio di settimane per filtrare attraverso i vari servizi di RePEc. Più servizi Seguire serie, riviste, autori ampère Nuovi documenti via e-mail Iscriviti alle nuove aggiunte al RePEc registrazione Autore profili pubblici per i ricercatori Economia varie classifiche di ricerca in campi correlati Economia amp che era uno studente di chi, utilizzando RePEc RePEc Biblio articoli a cura amp articoli su vari argomenti di economia Carica la tua carta per essere elencati su RePEc e idee EconAcademics Blog aggregator per casi di ricerca economia plagio plagio in Economia lavoro mercato Papers RePEc Working paper series dedicata al mercato del lavoro Fantasy League fingere di essere al timone di una economia Services department del StL Fed dati, ricerche, applicazioni amp più dal St. Louis FedThe Metafor pacchetto basato su un codice che ho scritto come parte della mia tesi di ricerca, ho sviluppato una funzione chiamata Mima (), che ha fornito le funzionalità di base per il montaggio fisso - e gli effetti randommixed modelli (meta-regressione). Intorno al 2006, ho messo la funzione sul mio sito (insieme ad un breve tutorial) ed è stata ripresa da diversi ricercatori che hanno utilizzato la funzione con successo in diversi meta-analisi. Tuttavia, mentre la funzione di Mima () ha fornito le funzionalità di base per i modelli della meta-analisi montaggio standard e analizza lo svolgimento di meta-regressione, il pacchetto Metafor è stato scritto in risposta alle numerose richieste di ampliare la funzione in un pacchetto completo per lo svolgimento di meta-analisi con opzioni e funzioni di supporto aggiuntivo. La funzione Mima () ora è quindi obsoleto ed è stato rimosso dal mio sito web. Vari tentativi sono stati fatti per la validazione delle funzioni nel pacchetto Metafor. Prima di tutto, quando le analisi corrispondenti potrebbero essere effettuate, ho confrontato i risultati forniti dal pacchetto Metafor con quelli forniti da altri pacchetti software per diversi insiemi di dati. In particolare, i risultati sono stati confrontati con quelli forniti dal metan. metareg. metabias. e comandi metatrim in Stata (per maggiori dettagli su questi comandi, vedere Sterne, 2009). I risultati sono stati confrontati con quelli forniti da SAS utilizzando il comando misto proc (per maggiori dettagli, vedi van Houwelingen, Arends, amplificatore Stijnen, 2002), da SPSS utilizzando le macro sviluppate da David Wilson (Lipsey amp Wilson, 2001), dal meta (CRAN link) ed i pacchetti rmeta (CRAN link) in R, e dal Comprehensive meta-analisi. MetaWin. e la Review Manager della Cochrane Collaboration. Risultati sia d'accordo in tutto o rientravano un margine di errore previsto quando si utilizzano metodi numerici. In secondo luogo, i risultati forniti dal pacchetto Metafor sono stati confrontati con i risultati pubblicati descritti in articoli e libri (l'ipotesi è che tali risultati sono in realtà corretto). Su questo sito, fornisco una serie di esempi di analisi che è possibile esaminare se stessi. Tutti questi esempi (e un po 'di più) sono anche incapsulati in test automatizzati che utilizzano il pacchetto testthat, in modo che vengano rilevati automaticamente eventuali modifiche al codice che avrebbe portato a questi esempi di diventare non riproducibile. In terzo luogo, ho condotto ampi studi di simulazione per molti dei metodi implementati nel pacchetto per garantire che le loro proprietà statistiche sono come ci si aspetterebbe in base alla teoria di fondo. Per fare un esempio semplice, in base alle ipotesi di un modello di pari effetti (cioè veri effetti omogenei, la stima della dimensione degli effetti normalmente distribuiti, campionamento nota varianze), il tasso di rifiuto empirica di H0: theta 0 devono essere nominale (entro il margine di errore ci si aspetta quando si simula in modo casuale tali dati). Questo è effettivamente il caso, fornendo supporto che la funzione RMA () funziona in modo appropriato per questo scenario. prove simili sono stati condotti per i metodi più complessi nel pacchetto. Può anche essere utile notare che vi è ora una base di utenti apprezzabile del pacchetto Metafor (il Viechtbauer (2010) articolo che descrive il pacchetto è stato citato in oltre 1000 articoli. Molti dei quali sono applicati meta-analisi eo carte methodologicalstatistical che hanno usavano il pacchetto Metafor come parte della ricerca). Questo aumenta le probabilità che eventuali bug sarebbero stati rilevati, segnalati e corretti. Infine, sono diventato molto abile a colpire il Ballmer Peak. Per la maggior parte, lo sviluppo del pacchetto è stato finanziato attraverso il mio tempo prezioso. Attraverso un lavoro di collaborazione sul software 039Open Meta-Analyst039 dal Centro per la Medicina Evidence-Based alla Brown University. Ho ricevuto alcuni finanziamenti come parte di un contratto di subappalto con una borsa. Inoltre, Sandra Wilson e Mark Lipsey dell'Istituto Peabody ricerca presso la Vanderbilt University hanno fornito il finanziamento per la realizzazione del rma. mv () più efficiente e per l'aggiunta di funzionalità multicore alla funzione profile. rma. mv (). Tuttavia, ulteriori sviluppi del pacchetto potrebbe procedere molto più rapidamente se il finanziamento supplementare era disponibile. Se siete a conoscenza di eventuali possibilità di finanziamento, non esitate a farmi sapere Prima di tutto, grazie per aver cercato di farlo in primo luogo. Il miglior modo di citare il pacchetto è di citare il seguente documento: Viechtbauer, W. (2010). Condurre meta-analisi in R con il pacchetto Metafor. Journal of Statistical Software, 36 (3), 148. Tra l'altro, provare citazione (quotmetaforquot) in R (non si tratta di un comando specifico per il pacchetto Metafor si può provare questo con altri nomi dei pacchetti e citazioni () vi dirà come citare R stesso). In realtà ci sono un certo numero di diversi pacchetti R disponibili per lo svolgimento di meta-analisi. Per fortuna, c'è ora una Task View per meta-analisi. che fornisce una panoramica abbastanza completa dei diversi pacchetti e le loro capacità. Domande tecniche standard modelli della meta-analisi (come può essere equipaggiata con la funzione RMA ()) presumono che le varianze di campionamento sono noti. D'altra parte, i modelli montati dal lm () e LME (funzioni) presuppongono che le varianze di campionamento sono conosciute solo fino a una costante di proporzionalità. Quindi questi sono diversi modelli che tipicamente utilizzato in meta-analisi. Per maggiori dettagli, ho scritto su più confronto globale della RMA () e il lm () e funzioni (LME). Per i modelli di effetti casuali, la statistica I2 viene calcolata con I2 100 volte frac 2 2 S2, dove il cappello 2 è il valore stimato del TAU2 e s2 frac, dove wi è l'inverso della varianza campionaria dello studio i (s2 è l'equazione 9 in Higgins amp Thompson, 2002 e può essere considerata come la 039typical039 entro studio varianza delle dimensioni degli effetti osservati o risultati). La statistica H2 viene calcolata con H2 frac 2 s2. equazioni analoghe sono utilizzati per i modelli con effetti misti. Pertanto, a seconda dello stimatore del TAU2 utilizzato, i valori di I2 e H2 cambieranno. Per effetti casuali modelli, I2 e H2 sono spesso calcolati in pratica con I2 100 volte (Q - (k-1)) Q e H2 Q (k-1), dove Q indica la statistica per il test di eterogeneità ek è il numero di studi (effetti osservati cioè o esiti) inclusi nella meta-analisi. Le equazioni usate nel pacchetto Metafor per calcolare queste statistiche si basano su definizioni più generali e hanno il vantaggio che i valori di I2 e H2 sarà coerente con il valore stimato del TAU2 (cioè se il cappello 2 0, quindi I2 0 e H2 1 e se il cappello 2 gt 0, quindi I2 gt 0 e H2 gt 1). Queste due serie di equazioni per I2 e H2 in realtà coincidono quando si utilizza lo stimatore DerSimonian-Laird di TAU2 (cioè le equazioni comunemente usati sono in realtà casi particolari delle definizioni più generali di cui sopra). Pertanto, se si preferisce le definizioni più convenzionali di queste statistiche, utilizzare methodquotDLquot durante il montaggio del modello randommixed effetti con la funzione RMA (). Vedere l'esempio di analisi per Raudenbush (2009) per un esempio di questo. La pseudo R2 statistica (Raudenbush 2009) viene calcolato con R2 frac 2 - cappello 2 2, in cui il cappello 2 denota il valore stimato di TAU2 basato sul modello degli effetti casuali (cioè la quantità totale di eterogeneità) e il cappello 2 indica la stima valore del TAU2 sulla base del modello misto-effetti (cioè la quantità residua di eterogeneità). Può succedere che il cappello 2 lt cappello 2, nel qual caso R2 è impostato a zero. Anche in questo caso, il valore di R2 cambia a seconda dello stimatore del TAU2 utilizzato. Si noti inoltre che questa statistica è calcolato solo quando il modello misto-effetti include un intercetta (in modo che il modello a effetti casuali è chiaramente annidato all'interno del modello misto-effetti). È inoltre possibile utilizzare la funzione anova. rma. uni () per calcolare R2 per ogni due modelli che sono noti per essere nidificate. Il escalc () e RMA (funzioni) offrono la possibilità di trasformare le proporzioni prime e dei tassi di incidenza con la trasformazione Freeman-Tukey (Freeman amp Tukey, 1950). Per proporzioni, questo è anche talvolta chiamato il 039Freeman-Tukey arcoseno doppia transformation039. Per proporzioni, la trasformazione (measurequotPFTquot) viene calcolato con il yi equazione 12 volte (mbox (sqrt) mbox (sqrt)), dove xi indica il numero di individui che avvertono l'evento di interesse e ni indica il numero totale di individui (cioè campione dimensione). La varianza di yi viene poi calcolata con vi 1 (4ni 2). Per tassi di incidenza, la trasformazione (measurequotIRFTquot) viene calcolato con l'equazione yi 12 volte (sqrt sqrt), dove xi indica il numero totale di eventi che si sono verificati e ti denota il tempo-persona in rischio. La varianza di yi viene poi calcolata con vi 1 (4Ti). Si può anche trovare definizioni di queste trasformazioni senza le moltiplicativi costanti 12 (le equazioni per la varianza dovrebbero poi essere moltiplicato per 4). Poiché il 12 è solo una costante, non importa quale definizione si usa (purché si utilizza l'equazione corretta per la varianza di campionamento). Il pacchetto Metafor utilizza le definizioni di cui sopra, in modo che i valori ottenuti dal arcoseno radice quadrata (angolare) trasformazione (measurequotPASquot) e dal Freeman-Tukey doppia arcoseno trasformazione (measurequotPFTquot) sono circa della stessa entità (senza il 12 moltiplicatore, valori PFT sarebbe di circa due volte più grande). Lo stesso vale per radice quadrata trasformato tassi di incidenza (measurequotIRSquot) e Freeman-Tukey tassi trasformati (measurequotIRFTquot). Quando viene utilizzato con le impostazioni di default, la funzione rma. mh () in Metafor può effettivamente fornire risultati diversi da quelli ottenuti con altri software di meta-analitica, come ad esempio la funzione di metan in Stata, Review Manager (RevMan) dalla Cochrane Collaboration o Comprehensive Meta-Analysis (CMA). Per impostazione predefinita, Metafor non si applica alcuna regolazione dei conteggi delle cellule in studi con zero casi in entrambi i gruppi quando si applica il metodo di Mantel-Haenszel, mentre altri software può farlo automaticamente. Per maggiori dettagli, date un'occhiata al confronto del metodo di Mantel-Haenszel in diversi software e impostazioni da usare per fare Metafor fornire gli stessi risultati esatti come altri software. Riferimenti Freeman, M. F. amp Tukey, J. W. (1950). Trasformazioni collegati angolare e la radice quadrata. Annals of Mathematical Statistics, 21 (4), 607611. Higgins, J. P. T. amp Thompson, S. G. (2002). Quantificare l'eterogeneità in una meta-analisi. Statistiche in Medicina, 21 (11), 15391558. van Houwelingen, H. C. Arends, L. R. amp Stijnen, T. (2002). Metodi avanzati in meta-analisi: approccio multivariata e di meta-regressione. Statistiche in Medicina, 21 (4), 589624. Lipsey, M. W. amplificatore Wilson, D. B. (2001). Pratico meta-analisi. Sage, Thousand Oaks, CA. Raudenbush, S. W. (2009). Analizzando dimensioni dell'effetto: modelli a effetti casuali. In H. Cooper, L. V. Hedges, amplificatore J. C. Valentine (Eds.), Il manuale della sintesi di ricerca e meta-analisi (2a ed., Pp. 295.315). New York: Russell Sage Foundation. Sterne, J. A. C. (Ed.) (2009). La meta-analisi in Stata: Una collezione aggiornata dal Stata Journal. Stata Press, College Station, TX. Faq. txt Contiene Ultima modifica: 20160607 19:34 di Wolfgang Viechtbauer