BREAKING DOWN A pontuação Z Os escores Z também revelam aos estatísticos e comerciantes se uma pontuação é típica para um conjunto de dados especificado ou se é atípica. Além disso, as pontuações Z também possibilitam aos analistas adaptar as pontuações de vários conjuntos de dados para fazer pontuações que possam ser comparadas com as demais com precisão. O teste de usabilidade é um exemplo de uma aplicação da vida real dos escores Z. Este termo é mais conhecido como o Altman Z-score. Edward Altman, professor da Universidade de Nova York, desenvolveu e apresentou a fórmula Z-score no final da década de 1960 como uma solução para o processo demorado e confuso que os investidores tiveram que passar para determinar o quão perto da falência era uma empresa. Na realidade, a fórmula Z-score Altman desenvolvida acabou por fornecer aos investidores uma idéia da saúde financeira geral de uma empresa. A Altman Z-Score Formula O Altman Z-score é o resultado de um teste de crédito-força que ajuda a avaliar a probabilidade de falência para uma empresa de fabricação de capital aberto. O Z-score é baseado em cinco principais índices financeiros que podem ser encontrados e calculados a partir do relatório 10K anual de uma empresa. O cálculo utilizado para determinar o Altman Z-score é o seguinte: Pontuação Z 1.2A 1.4B 3.3C 0.6D 1.0E Nesta equação: A Ativos de capital de trabalho ativos B Ativos acumulados de ativos acumulados C Lucros antes de juros e impostos (EBIT) ativos totais D Valor de mercado de passivos patrimoniais E Recursos salteados Normalmente, uma pontuação abaixo de 1.8 indica que uma empresa provavelmente se encaminha ou está sob o peso da falência. Por outro lado, as empresas que classificam acima de 3 são menos propensas a sofrer falência. Altman Z-Score Plus Altman desenvolveu e lançou o Altman Z-Score Plus em 2012. Esta fórmula é usada para avaliar empresas públicas e privadas e pode ser usada para empresas não-industriais e empresas de fabricação. O Z-Score Plus é adequado para empresas nos Estados Unidos, bem como empresas fora dos Estados Unidos. NOTICE: O grupo de consultoria estatística IDRE estará migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisa e Educação Digital Ajudar o Grupo de Consultoria Estatal dando um presente FAQ do Stata Como faço para padronizar variáveis na variável padronizada do Stata A (às vezes chamado de pontuação z ou pontuação padrão) é uma variável que foi redimensionada para Têm uma média de zero e um desvio padrão de um. Para uma variável padronizada, cada valor de caso na variável padronizada indica sua diferença a partir da média da variável original em número de desvios padrão (da variável original). Por exemplo, um valor de 0,5 indica que o valor para esse caso é metade de um desvio padrão acima da média, enquanto um valor de -2 indica que um caso tem um valor de dois desvios padrão inferiores à média. As variáveis são padronizadas por uma variedade de razões, por exemplo, para garantir que todas as variáveis contribuam uniformemente para uma escala quando os itens são agregados ou para facilitar a interpretação dos resultados de uma regressão ou outra análise. Padronizar uma variável é um procedimento relativamente simples. Primeiro, a média é subtraída do valor para cada caso, resultando em uma média de zero. Então, a diferença entre a pontuação dos indivíduos e a média é dividida pelo desvio padrão, o que resulta em um desvio padrão de um. Se começarmos com uma variável x. E gerar uma variável x. O processo é: Onde m é a média de x. E sd é o desvio padrão de x. Para ilustrar o processo de padronização, usaremos o conjunto de dados High School e Beyond (hsb2). Vamos criar versões padronizadas de três variáveis, matemática. Ciência . E socst. Essas variáveis contêm pontuação dos alunos em testes de conhecimento de matemática (matemática), ciência (ciência), estudos sociais (socst). Primeiro, usaremos o comando de resumo (abreviado como soma abaixo) para obter a média e o desvio padrão para cada variável. A média de matemática é 52.645, e seu desvio padrão é 9.368448. Com base nessas informações, podemos gerar uma versão padronizada de matemática chamada z1math. O código abaixo faz isso com o comando generate (abreviado para gen), então usa resumir para confirmar que a média de z1math é muito próxima de zero (devido ao erro de arredondamento, a média de uma variável padronizada raramente será exatamente 0) e A desviação padrão é uma. Abaixo, fazemos o mesmo para a ciência e o socst. Criando duas novas variáveis, z1cience e z1socst. Usando seus respectivos meios e desvios padrão retirados da primeira tabela de estatísticas resumidas. A tabela de estatísticas de resumo mostradas abaixo demonstra que ambas as variáveis estão de fato padronizadas. Padronizar variáveis não é difícil, mas para tornar esse processo mais fácil e menos propenso a erros, você pode usar o comando egen para criar variáveis padronizadas. Os comandos abaixo padronizam os valores de matemática. Ciência . E socst. Criando três novas variáveis, z2math. Z2cience. E z2socst. Mais uma vez, podemos observar uma tabela de estatísticas de resumo para confirmar que essas variáveis são padronizadas. Observe que os meios não são exatamente zero, nem combinam os meios do conjunto de variáveis padronizadas criadas acima usando o comando de geração. Em ambos os casos, isso se deve a um erro de arredondamento muito pequeno. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico da Universidade da Califórnia.
No comments:
Post a Comment