Genau, sofern du mehrere ETFs vergleichen willst, bietet sich eine Panelregression an.

Gerne

@@JenniferSchneider-v1i gerngeschehen

Gern geschehen

Danke

Das freut mich!

Gerne

Du meinst sicher den: developer.wordpress.org/themes/basics/template-hierarchy/

@@benjaminschlegel jupp! genial. Danke für die schnelle Antwort!! WP ist wie erwähnt nicht meine Baustelle 🙂

Ich brauche meistens auch eher die geschweiften Klammern. Das mit dem endif verwende ich nur bei Wordpress, da es so bei einem Tutorial war, mit dem ich es vor Jahren lernte. Mit Eintücken ist es auch so keine Hexerei das Blockende schnell zu finden, hängt aber natürlich vom Programmierstil ab.

Glad you enjoyed it Rosemary. Best, Benjamin

Hi Alisa- Ich habe ein neueres Video vor einiger Zeit erstellt zur Simulation: kzbin.info/www/bejne/g6raiYybg82isMksi=s6LvmD-JxWydgipb. Grundlage ist, dass man Verteilungen und die lineare Regression verstanden hat. Zu beiden Themen habe ich Videos auf meinem Kanal.

Freud mich, dass sie nützlich sind :).

Das Paket plm hat eine Funktion vcovHC(), mit der du eine geclusterte Varianz-Covarianz-Matrix berechnen kannst. Beispiel: vcov_corrected = vcovHC(model_fixed) # geht auch für die anderen plm Modelle wie random, fd, etc. sd_corrected = sqrt(diag(vcov_corrected)) t_corrected = coef(model_fixed)/sd_corrected p_corrected = 2 * pt(abs(t_corrected), df = model_fixed$df.residual, lower.tail = FALSE) Oder direkt mit coeftest(): lmtest::coeftest(model_fixed, vcov.=function(x) vcovHC(x))

Sehr gerne!

Danke

Danke

Bei diesem Beispiel vergleichen wir Initiativen von der SVP mit anderen Vorlagen von der SVP. Der Effekt initiativeInitiative ist ja der Unterschied von Initiativen zu nicht Initiativen, wenn die Vorlage nicht von der SVP kommt. Wenn sie von der SVP kommt, muss zum Effekt noch initiativeInitiative:fromSVPSVP hinzuaddiert werden, da ja dann fromSVPSVP nicht mehr 0 sondern 1 ist.

Entschuldigen Sie mich, ich verstehe es nicht ganz. Für mich macht es keinen Sinn, dass wir Initiativen von der SVP mit anderen Vorlagen von der SVP kontrollieren, wenn wir mit der Variable "initiativeinitiative" prüfen, bei welcher es sich ja genau nicht um Initiativen bzw. nicht Initiativen von der SVP handelt. Ich mache wahrscheinlich einen Denkfehler... @@benjaminschlegel

@@mindoflogic1068 Lieber Sam, uns interessiert in diesem Beispiel der Unterschied von Initiative zur Basiskategorie ("keine Initiative"). Deshalb schauen wir uns alle Terme an, die Initiative enthalten. Das sind in diesem Modell 2: initiativeInitiative und initiativeInitiative:fromSVPSVP. Nun sehen wir: Der Effekt von initiativeInitiative ist nicht unabhängig von der Variable SVP. Das ":"-Zeichen ist eine Multiplikation. Wenn wir die Initiative für nicht SVP untersuchen wollen, so hat SVPSVP den Wert 0, damit fällt der Interaktionsterm ("initiativeInitiative:fromSVPSVP") weg, da initiativeInitiative*0 und es bleibt nur der Hauptterm übrig als Effekt, d.h. der Unterschied von Initiative vs. nicht Initiative für nicht SVP ist initiativeInitiative. Wenn wir nun den Unterschied für Initiativen und nicht Initiativen für SVP anschauen wollen, so bleibt der zweite Term, da es nun initiativeInitiative*1 ist, damit ist der Unterschied die Summe der beiden Terme (der erste Teil fällt ja nicht weg, da der von nichts abhängig ist sondern konstant ist). linearHypothesis brauchen wir, da wir direkt am Regressionsoutput nicht ablesen können, ob die Summe der beiden Terme (Hauptterm + Interaktionsterm) signifikant ist oder nicht. Beste Grüsse, Benjamin

@@benjaminschlegel Lieber Benjamin, vielen Dank für die ausführliche Erklärung. Das hat sehr geholfen. Beste Grüsse, Sam

Genau. Absolt bedeutet ja, dass das Vorzeichen entfernt wird.

Soweit ich weiss, sollte das nicht möglich sein.

Genau. Die AV muss nur normal verteilt sein, wenn man die p-Werte interpretieren will.

Ich würde die Quellenangabe bei der Caption hinzufügen.

@@benjaminschlegel Herzlichen Dank! Ich erlaube mir noch eine weitere Frage😅: Mit Ihrem Template ist der Abstand der Level 1-Header (also z.B 1. Einleitung) zum oberen Seitenrand ziemlich gross. Wüssten Sie direkt, wie man diesen etwas verkleinern kann? Mit den geometry-options klappts nicht und durch die PDF-Dokumentation von quarto wurde ich auch nicht schlauer 😳 Beste Grüsse :)

@@etienneg.940 Leider weiss ich es auch nicht und habe es auf die schnelle auch nicht hingekriegt.

Danke

Das könnte an einem Fehler im Header (YAML) sein, magst du mal den YAML Teil deines Dokuments posten? LG Benjamin

Sehr cool

Zumindest JS frontend will ich mal ein Video machen, backend arbeite ich mit PHP. Und vor JS will ich noch eins zu css machen, da html und css Grundlagen für js sind.

@@benjaminschlegel wäre toll

Nächsten Montag 20 Uhr kommt endlich das Grundlagen Video zu JavaScript, viel Spass.

Danke

In diesem Fall gibt es keine einfache Interpretationsmöglichkeit, da die Interpretationsmöglichkeit mit den Prozenten durch die Standardisierung des Koeffizienten verloren geht.

Die alten waren wohl wegen den Zahrradtechnik auch sehr Wartungsintensiv.

@@benjaminschlegel Die Strecke, die durch den Tunnel ersetzt wurde, war die einzige Strecke in dem Meterspurnetz der Appenzeller Bahn. Wozu sollte man sie noch dort brauchen. Umgekehrt wollte die seinerzeitige Achenseebahn-Führung diese Bahn etwas weiter weg vom reinen Tourismus-Betrieb bekommen, und wollte ihre Strecke elektrifizieren und diese Fahrzeuge dann für den Planbetrieb verwenden. Allerdings ist der seinerzeitige Betreiber nicht mehr, nachdem dieser in den Konkurs geraten ist, und der neue Betreiber verfolgt diese Pläne nicht mehr…

Grundsätzlich spielt das Messniveau der unabhängigen Variable keine Rolle. Eine Variable kann entweder als numerische Variable ins Modell aufgenommen werden, wobei dann R den Unterschied von einer Einheit berechnet oder als Faktor, wobei R dann automatisch n-1 Dummy-Variablen kreiert, wobei die Basiskategorie im Achsenabschnitt enthalten ist. Bei einer ordinalen Variable gibt es zwei Möglichkeiten: Bei Option 1 wird die Rangordnung ignoriert und die Variable als nominal angenommen, d.h. als Faktor übergeben (Downgrade). Bei Option 2 wird die Variable als intervallskaliert angenommen, wodurch die Rangordnung erhalten bleibt, dafür die Annahme getroffen wird, dass die Abstände zwischen den Levels gleich ist, was häufig nicht zutrifft (Upgrade). Option 2 würde ich vor allem bei Kontrollvariablen mit vielen Leveln verwenden, sonst eher Option 1. Wenn die Variable als ordinal (ordered) ins Modell aufgenommen wird, erhält man im Resultat .L, .Q, .C und ^4 für diese Variable (bei einer Variable mit 5 Leveln). Das L steht für Linear (^1), Q für Quadratic (^2) und C für Cubic (^3), also interpretiert es R als Polynom 4. Grades, was mit der Struktur von ordered zu tun hätte, jedoch wenig Sinn macht. ordered() sollte man also nur für abhängige Variablen verwenden, nicht jedoch für unabhängige.

Prego

Ja hat was, dafür etwas schneller ohne die Zahnradtechnik

@@benjaminschlegel Schade , immer nur durch dunklen und luftverschlossenen Beton durch!😢 Ich wundere mich, das ich einen Gehörsturz hatte, nachdem ich oft durch Tunnel fuhr.

@@christianehagen9557 Ja, der Tunnel war wohl die einzige Lösung, um auf die Zahnradtechnik verzichten zu können. Die alte Strecke war aber schon schöner.

@@benjaminschlegel Ach was, die Züge sollen Schneller fahren, das ist der Grund. Ich freue mich, dass der Schweizer Verein DFB sich um die Furka- Region gekümmert hat und dort wieder Züge auf der Furka- Bergstrecke fahren. Die Dampfloks wurden im Vietnam- Krieg zu Schrott, aber liebevoll in Meiningen (0st- Deutschland) wieder gebaut.

@@christianehagen9557 genau, durch den Wegfall der Zahnrad können die Züge schneller fahren.

Der Begriff multivariate Regression wird teilweise verwendet, wenn es mehrere UVs hat, manchmal aber auch, wenn es mehrere AVs sind. Ich verwende den Begriff im Sinne der ersten Variante.

Ich benutze R child, vielleicht liegt es daran, dass ich mehrere Kapitel in der Grund-Datei merge?

Hast du es schon mal mit bookdown versucht? Das funktioniert sehr gut bei mehreren Kapiteln. Ist vom gleichen Autoren wie R Markdown.

Freut mich, dass es dir geholfen hat.

Your welcome

Eine Möglichkeit wäre wohl, einfach mal ein normales lm()-Modell (pooling) zu schätzen und das auf die Multikollinearität zu testen.

Ein Instrument korreliert sowohl mit der AV als auch mit der UV, aber nicht mit dem Fehlerterm.

Ich selber habe es noch nie gebraucht, eine Möglichkeit wird auf R-Blogger beschrieben: www.r-bloggers.com/2018/01/add-abbreviations-to-your-rmarkdown-doc/

ja genau, das müsste SSE sein unten, das ist ein Tippfehler

Google started to show ads on all videos, but you can install an ad blocker.