Tarefa strd.norris.explicit_constant

Veredito

Pergunta feita ao analista

Tarefa de ferramenta: nenhuma pergunta; a especificação de referência é chamada direto.

Como o agente resolveu e como foi validado

Resumo passo a passo do que o agente executou, por que o caminho está correto e como cada verificação conferiu o resultado.

1. 1Preparação da base de dados
   d— NIST StRD Norris (36 observations): outcome y, predictors x1, const = 1
2. 2Chamada que gerou a resposta finalinfer.ols(Regressão linear por mínimos quadrados ordinários (MQO))citada na respostacoincide com a referência

   Ver chamada call_8ac2502d nos detalhes
   Argumentos principais

   dataset:

   "d"

   intercept:

   false

   level:

   0,950.95

   se:

   "classical"

   x:

   ["const","x1"]

   y:

   "y"

   Resultado calculado

   • coef.const = -0,262323 -0.26232307377402675
     Coefficient on const in the regression of y
   • coef.x1 = 1,00212 1.0021168180204545
     Coefficient on x1 in the regression of y
   Diagnósticos: n_obs = 3636 (observations used) · k = 22 (parameters estimated, fixed-effect dummies included) · r2 = 0,9999970.9999974890237203 (uncentred: the model has no constant) · df_resid = 3434 · se_type = "classical" (classical (homoskedastic) standard errors)
3. 3Conferência de lastro e resposta final
   • ✓
     #0situação da ferramenta

     Verifica a situação de retorno da ferramenta.
   • ✓
     #1dígitos corretos (LRE)coef.const

     B0
   • ✓
     #2dígitos corretos (LRE)coef.x1

     B1
   • ✓
     #3dígitos corretos (LRE)coef.const@se

     SE of B0
   • ✓
     #4dígitos corretos (LRE)coef.x1@se

     SE of B1

Valores esperados e de onde vêm

Nenhuma fonte citada pelas verificações.

Verificações

Caminho de referência e caminho do agente

A chamada de referência ao lado da chamada que deu a resposta, argumento por argumento.

Trajetória

Cada evento na ordem em que aconteceu: turnos do modelo, chamadas de ferramentas, guardas, transformações e pontuação.

1. 0Início

   Tarefa de ferramenta: nenhuma pergunta; a especificação de referência é chamada direto.

   d (agent)

   NIST StRD Norris (36 observations): outcome y, predictors x1, const = 1

   file — · frame —
2. 1Ferramenta
   infer.ols— Regressão linear por mínimos quadrados ordinários (MQO)v0.1.0call_8ac2502ddecidido pelo códigoreexecutável

   Argumentos

   {
     "cluster": null,
     "controls": [],
     "dataset": "d",
     "fe": [],
     "intercept": false,
     "level": 0.95,
     "se": "classical",
     "subset": null,
     "weights": null,
     "x": [
       "const",
       "x1"
     ],
     "y": "y"
   }

   Figuras call_8ac2502d

   Chave	Valor	Valor bruto	Erro-padrão	IC
   coef.const Coefficient on const in the regression of y	-0,262323	-0.26232307377402675	0,2328180.23281823430115484	-0,735467 – 0,210821
   coef.x1 Coefficient on x1 in the regression of y	1,00212	1.0021168180204545	0,0004297970.00042979684819994114	1,00124 – 1,00299

   Diagnósticos

   • n_obs = 3636 (observations used)
   • k = 22 (parameters estimated, fixed-effect dummies included)
   • r2 = 0,9999970.9999974890237203 (uncentred: the model has no constant)
   • df_resid = 3434
   • se_type = "classical" (classical (homoskedastic) standard errors)
   • n_clusters = — (errors not clustered)

   Derivação matemática e pressupostos

   coef.const

   1. Coeficiente de const na regressão por mínimos quadrados ordinários de y sem constante.→ -0,262323 (-0.26232307377402675)
   2. Erro-padrão clássico (homocedástico): a raiz da variância estimada do coeficiente.ep = √V_jj→ 0,232818 (0.23281823430115484)
   3. Intervalo de 95% de confiança: a estimativa mais ou menos o valor crítico da distribuição t de Student com 34 graus de liberdade vezes o erro-padrão.IC = β ± c · ep

   coef.x1

   1. Coeficiente de x1 na regressão por mínimos quadrados ordinários de y sem constante.→ 1,00212 (1.0021168180204545)
   2. Erro-padrão clássico (homocedástico): a raiz da variância estimada do coeficiente.ep = √V_jj→ 0,000429797 (0.00042979684819994114)
   3. Intervalo de 95% de confiança: a estimativa mais ou menos o valor crítico da distribuição t de Student com 34 graus de liberdade vezes o erro-padrão.IC = β ± c · ep

   Pressupostos do estimador

   • the conditional mean of the outcome is linear in the regressors
   • errors are independent and have the same variance for every observation

   Tabelas (1)

   {
     "coefficients": [
       {
         "ci_high": 0.2108205045535413,
         "ci_low": -0.7354666521015948,
         "coef": -0.26232307377402675,
         "p": 0.26774674233321216,
         "se": 0.23281823430115484,
         "t": -1.1267290749860548,
         "term": "const"
       },
       {
         "ci_high": 1.0029902703053308,
         "ci_low": 1.0012433657355782,
         "coef": 1.0021168180204545,
         "p": 4.654040852473972e-90,
         "se": 0.00042979684819994114,
         "t": 2331.605785890432,
         "term": "x1"
       }
     ]
   }

   Hashes SHA-256 e metadados de reprodução

   Digests dos dados

   d ff612b50e0df07b9c883fc6b522419c61658433dfce9edee8f7b52a2aa893792

   sha256 do resultado

   83547ddc5d6c3e9dc3271d52d0bb72b9d89b6032b36f37fb7432123c04702841

3. 2Pontuação
   #0situação da ferramentapassouobrigatóriastatus ok
4. 3Pontuação
   #1dígitos corretos (LRE)passouobrigatóriafigure coef.const: LRE 14.06 (min 9.0) — B0
5. 4Pontuação
   #2dígitos corretos (LRE)passouobrigatóriafigure coef.x1: LRE 14.35 (min 9.0) — B1
6. 5Pontuação
   #3dígitos corretos (LRE)passouobrigatóriafigure coef.const.se: LRE 13.92 (min 9.0) — SE of B0
7. 6Pontuação
   #4dígitos corretos (LRE)passouobrigatóriafigure coef.x1.se: LRE 14.02 (min 9.0) — SE of B1

Épocas × verificações

Tentativas

Cada tentativa é seu próprio arquivo e é publicada; só a última de cada época é pontuada.

• época 1, tentativa 1passoupontuada(exibindo)

Downloads desta tarefa