Ik ben op zoek naar iemand die me kan helpen met het uitvoeren van de volgende regressie in Eviews.
Voor mijn thesis moet ik een binary probit en logit regression uitvoeren.
In eviews selecteer ik na het uploaden van mijn file Object/New Object, daarna Equation en vervolgens Binary estimation method.
Daarna moet ik in het vak voor equation estimation de variabelen invoegen.
Wanneer ik dit doe gaan de regressies goed totdat ik mijn dummies toe wil voegen.
Telkens als ik de laatste dummie van een bepaalde categorie wil toevoegen geeft de output de NA foutmelding. Dit komt waarschijnlijk door de dummy variable trap, maar hoe kan ik ervoor zorgen dat wel alle dummies worden meegenomen in de regressie zonder een dummy uit een categorie te laten vallen?
Laatste berichten
-
17:30
Herleiden afmetingen vanaf een foto 21
-
16:34
[wiskunde] Prijs Product per KG; Alternatief Inzicht 3
-
14:55
wig
-
13:57
do-re-mi-fa-so vliegtuigen 9
-
13:16
geen minkowski-ruimte toch? Doe ik dit nou fout? 17
-
13:12
[natuurkunde] kroon van koning op Syracuse 10
-
12:01
Gravity and gravitation 1
-
10:15
2013 – Augustus Vraag 3 3
-
09:54
Bruine vlekken op treinaanwijzerbord 6
-
23:07
Rood laserlicht 2
-
24 apr
Vraag 2009 Juli Vraag 5 5
-
24 apr
positie 2
-
24 apr
Schroefdraad berekening 8
-
24 apr
[scheikunde] Kan chloorgas de geleiding van elektriciteit belemmeren? 9
-
23 apr
Weerfrustratie 9
-
23 apr
Kunnen quantum Zonnecellen 190% quantum efficiënt zijn 3
-
23 apr
De Euro Nederlandse 100 qubit computer komt eraan
-
23 apr
projectiel 8
-
23 apr
Verschil tussen deze 2 vragen 5
-
23 apr
[scheikunde] berekeningen labo vitamine c bepaling 1
Nieuwsberichten
-
04 mar
Een nieuw soort magnetisme: altermagnetisme
-
31 okt
AI kan via stem diabetes vaststellen 11
-
21 okt
Einstein krijgt wéér gelijk 45
-
07 feb
witter dan wit 20
-
19 jun
irrigatie en de aardas
Meerdere categoriale dummies in Eviews
-
- Berichten: 467
Re: Meerdere categoriale dummies in Eviews
Ik denk dat je zelf mogelijk het antwoord al gegeven hebt: de 'dummy variable trap'. Als je alle dummies invoegt en er niet 1 achterwege laat, dan is er sprake van perfecte collineariteit en zo'n model kan je niet draaien. Dus als je k categorieën hebt, moet je k-1 dummies in je model stoppen.
