Ваши индикаторы коррелируют? Используйте метод главных компонент (PCA) для создания индекса в Stata

🔒 Более сложные видео с наборами данных (Excel) и файлами Stata Do доступны только для участников — присоединяйтесь к P.E.R.S здесь:    / @cruncheconometrix   Полный список P.E.R.S (92 видео, 15 курсов):    • Members-only videos   Как создать индекс с помощью анализа главных компонентов в Stata — руководство для магистерской диссертации | Великобритания, США, Канада Вы пишете магистерскую диссертацию по экономике, финансам, банковскому делу или докторскую диссертацию, и ваш научный руководитель попросил вас создать индекс с помощью анализа главных компонентов (PCA) — например, индекс управления, индекс финансового развития, индекс качества институтов, индекс богатства, социально-экономический индекс? Вы попали по адресу. ЧТО ВЫ УЗНАЕТЕ: ✓ Что такое создание индекса с использованием PCA - PCA = анализ главных компонентов - уменьшает количество коррелированных переменных до меньшего числа компонентов - индекс - например, в управлении есть 6 показателей - подотчетность, политическая стабильность, эффективность правительства, качество регулирования, верховенство права, контроль коррупции - все коррелированы - PCA объединяет их в один индекс управления - взвешенное среднее, где веса берутся из собственных векторов PCA - первый главный компонент объясняет большую часть дисперсии - используйте первый компонент в качестве индекса ✓ Почему индекс создается с использованием PCA, а не простого среднего - простое среднее дает равный вес каждому показателю - например, индекс управления = среднее значение 6 показателей, каждый из которых имеет вес 1/6 - но некоторые показатели более важны - PCA дает веса на основе объясненной дисперсии - более важные показатели получают больший вес - веса, основанные на данных - более надежны - экзаменаторы в Великобритании/США предпочитают индекс PCA простому среднему, когда показатели коррелированы ✓ Как представить результаты создания индекса с использованием PCA в академическом формате для диссертации в Великобритании/США - таблица с собственными значениями PCA, долей Дисперсия, нагрузки, KMO, тест Бартлетта - плюс формула для индекса - например, Индекс управления = 0,35*голос + 0,40*стабильность + ... веса из нагрузок первой компоненты - плюс нормализованный индекс. Описательная характеристика - среднее, стандартное отклонение, минимум, максимум - что хотят экзаменаторы - методология главы 3 ✓ Распространенные ошибки, которые допускают студенты магистратуры: Создание индекса с помощью простого среднего, когда PCA более уместен - когда индикаторы коррелированы и вам нужны веса, основанные на данных - PCA лучше - необходимо обосновать, почему PCA, а не среднее значение; Не проверка KMO и теста Бартлетта перед PCA - необходимо проверить адекватность выборки и сферичность - для PCA требуется KMO выше 0,6 и p-значение теста Бартлетта ниже 0,05; Не нормализация индекса - исходный PC1 может быть отрицательным и малым - нормализуйте до 0-100 или 0-1 для более легкой интерпретации - например, индекс управления 0-100 выше, чем лучше; Создание индекса с некоррелированными индикаторами - PCA работает, когда индикаторы Если показатели не коррелированы, метод главных компонент (PCA) не подходит — используйте простое среднее или теоретически обоснованные веса. ДЛЯ КОГО ЭТО: Студенты магистратуры, MBA, PhD по экономике, финансам, банковскому делу, экономике развития, институциональной экономике в Великобритании (Уорик, Манчестер, Лидс, Бирмингем, Глазго, Эдинбург, LSE), США, Канаде, Австралии, ЕС, которым необходимо создать индекс — например, по управлению, финансовому развитию, качеству институтов, богатству, социально-экономическим показателям. ОФИЦИАЛЬНЫЕ ССЫЛКИ И СООБЩЕСТВО: 🌐 Веб-сайт: https://cruncheconometrix.com 🛒 Магазин данных: https://cruncheconometrix.com/view/da... 🎓 Только для участников:    • Members-only videos   ⭐ Присоединиться к членству:    / @cruncheconometrix   👥 Facebook:   / cruncheconometrix   💼 LinkedIn:   / cruncheconometrix   🔔 Подписаться: https://www.youtube.com/c/CrunchEcono... Если это помогло, поставьте ЛАЙК. Оставьте комментарий с указанием ваших индексных показателей и страны, поделитесь. Часто задаваемые вопросы: В: Как создать индекс с помощью PCA в Stata? О: Код: pca indicator1 indicator2 indicator3 - PCA - estat loadings - loadings - predict pc1 - первая главная компонента - использовать pc1 в качестве индекса - нормализовать до 0-100: egen index_norm = (pc1 - min(pc1))/(max(pc1)-min(pc1))*100 - индекс управления 0-100. В: Когда использовать индекс PCA, а когда простое среднее? О: Используйте PCA, когда показатели коррелированы, и вы хотите получить веса, основанные на данных и объясненной дисперсии - это более надежно - эксперты предпочитают PCA, когда показатели измеряют одну и ту же концепцию - например, 6 коррелированных пок...