lineær regression - estimat and SE blir 0?

En årsag kunne være, at antallet af datapunkter er mindre end antallet af parametre, der estimeres.

En anden årsag for modellen   y = a·x + b  kunne være, at determinanten af matricen

∑ⁿ_i=1 x_i²      ∑ⁿ_i=1 x_i  

∑ⁿ_i=1 x_i            n

er lig med 0.

Som udgangspunkt burde det primært kun ske, hvis at alle dine observationer er samme værdi, eller lig 0.

NaN lyders om matlab du anvender.

Prøv at hente James LeSage "Spartial Economtrics toolbox" hvor du kan estimere OLS regression ved følgende syntax:

ols(y,x)

Den giver desuden tstat, std errors etc.

#4

Tak for tippet! Jeg kører dog en robust regression i MATLAB (http://www.mathworks.se/help/stats/robust-regression-reduce-outlier-effects.html), så tror jeg må holde mig til syntaxen mdl = LinearModel.fit(ds,'RobustOpts','on').

Ja, jeg mente også, at det var den eneste årsag til det ku ske, men det er ikke tilfældet. Nu er det - efter en kvantitativ variabel er blevet udskiftet med en anden - interceptet, der får estimat og std error lig 0. Ville det være metodisk helt forkert at beholde variablen, der får estimat og std error lig 0 (dvs. interceptet) og fjerne variablen med størst p-værdi, som man plejer ved backwards elimination?

Hvis nogen kan se hvad i data (vedhæftet) der er skyld i problemet, er jeg meget lydhør :)

Ahh de 4 af dummierne vedrørte afdelingstype og sku kun ha 3 dummier hertil, da der kun er 4 afdelingstyper i alt. Havde glemt en basis-type med andre ord. Sorry!