Kelebihan Regresi Logistik Binary Options




Kelebihan Regresi Logistik Binary OptionsRegresi linier seperti yang kita ketahui tidak dapat menyelesaikan kasus dimana variabel dependente bersifat dikotomi dan kategori dengan dua atau Lebih kemungkinan (ex. Sukses atau Gagal terpilih atau tidak terpilih Lulus atau tidak Lulus melakukan pembelian atau tidak mendapat promosi atau tidak, dan deitou-se deitado) . Regressar a lista de categorias de produtos relacionados com este produto. Pada regresi linier, variabel prediktor yang digunakan biasanya numerik, tetapi jika kita melibatkan campuran antara numerik maupun kategorik kita dapat menggunakan regresi logistik. Regresi logistik membentuk persamaan atau Fungsi dengan pendekatan maxima verossimilhanca, yang memaksimalkan peluang pengklasifikasian objek yang diamati menjadi kategori yang sesuai kemudian mengubahnya menjadi koefisien regresi yang Sederhana. Dua nilai yang biasa digunakan sebagai variabel dependen yang diprediksi adalah 0 dan 1 (ex. 1berhasil, 0gagal). Regresi logistik menghasilkan rasio peluang (relacoes de probabilidade) antara keberhasilan atau kegagalan suatu dari analisis. Dapat kita contohkan dengan seorang tokoh yang ingin menjadi presidente, akan lebih baik peluangnya jika menjadi ketua partai politik tertentu. Disini odds ratio yang dimaksud adalah seberapa besar peluang tokoh tersebut dengan mempertimbangkan variavel prediktor yang ada. Regresi Logistik akan membentuk variabel prediktor / respon (log (p / (1-p)) yang merupakan kombinasi linier dari variabel independen. Nilai variabel prediktor ini kemudian ditransformasikan menjadi probabilitas dengan Fungsi logit. Asumsi-asumsi dalam regresi logistik Tidak mengasumsikan hubungan linier antar variabel dependen dan independente variabel dependen Harus bersifat dikotomi (2 variabel) variabel independente keragaman tidak Harus memiliki yang sama antar kelompok variabel Kategori dalam variabel independente Harus terpisah satu sama Lain atau bersifat eksklusif Sampel yang diperlukan dalam jumlah relatif Besar, minimo hingga dibutuhkan dados 50 Sampel untuk sebuah variabel prediktor (bebas). Persamaan Regresi Logistik Regresi Logistik menghasilkan Rasio peluang yang dinyatakan dengan transformasi Fungsi logaritma (log), dengan demikian Fungsi transformasi log ataupun ln diperlukan untuk valor-p, dengan demikian dapat dinyatakan logit (p) log merupakan bahwa Dari peluang (odds ratio) atau razao de verossimilhanca dengan kemungkinan terbesar nilai peluang adalah 1, dengan demikian persaman regressar logistik menjadi: logit (p) log (p / 1-p) ln (p / 1-p) dimana p bernilai antara 0- 1. Modelo yang digunakan pada regresi logistik adalah: Registro (P / 1 8211 p) 0 1X1 2X2 8230. kXk Dimana p adala kemungkinan bahwa Y 1, dan X1, X2, X3 adala variabel independen, dan b adalah koefisien regresi. Konsep Log Odds, Odds Ratio Logit (probabilidades de log) merupakan koefisien slope (b) dari persamaan regresi. Inclinacao disini adalah perubahan nilai rata-rata dari Y dari satu unidade perubahan nilai X. Regresi logistik melihat perubahan pada nilai variabel dependen yang ditransformasi menjadi peluang, bukan nilai aslinya seperti pada regresi linier. Sebagai ilustrasi jika nilai peluang adala 0,25, maka nilai odds adalah 3 (25,75), sedangkan jika nilai peluang 50, maka nilai odds adalah 1 (50. 50), atau jika nilai peluang 0,33, maka nilai odds adalah 2 (33. 67) dengan total keseluruhan nilai peluang adalah 1. Nilai odds ratio biasanya dapat kita lihat pada kolom b pada 8216variables na equacao8217 saida SPSS. Kecocokan Model (modelo em forma) dan fungsi likelihood Probabilidade de ser um problema e ter probabilidade de hipotesis tertentu. Seperti yang kita ketahui pada kurva regressar linier kita lihat adanya hubungan linier, peningkatan pada sumbu Y akan diikuti dengan peningkatan pada sumbu X dan sebaliknya. Tetapi pada regressi logistik dengan nilai Clique para ver o grafico em tempo real de sg. Oleh karena itu metode maxima probabilidade sangat berguna dalam menentukan kecocokan modelo yang tepat bagi persaman yang kita miliki. Hipotesis dalam regresi logistik Antara deitado: h0 ketika persamaan regresi bernilai 0 logit (p) 0. h1 persamaan regresi berbeda Nyata dari 0 logit (p) 8800 0. Regresi logistik merupakan regresi nao linier dimana modelo yang ditentukan akan mengikuti pola kurva linier seperti gambar Di bawah ini. Regresi logistik juga menghasilkan rasio peluang (relacoes de probabilidade) terkait dengan nilai setiap prediktor. Peluang (odds) dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secura umum, rasio peluang (proporcoes de probabilidade) merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi prediktor diartikan sebagai jumlah relatif dimana peluang hasil meningkat (raso peluang gt 1) atau turun (rasio peluang lt 1) ketika nilai variabel prediktor meningkat sebesar 1 unidade. Lebih jelasnya kita dapat mengikuti ilustrasi berikut ini: Kita ingin mengetahui apakah berat Badan (Weightgain) sapi paragrafo peternak di kota elgrow bertambah signifikan atau tidak, dengan variabel prediktor adalah sexo yang terdiri atas do sexo masculino (M) atau feminino (F), CACing obat pemberian (Anthelmintic) secara rutina sesuai dosis yang dinyatakan dengan sim nao dan, dan biaya pemeliharaan por bulan yang dinyatakan dalam EUA. Kali ini kita akan menjalankan modelo logit software menggunakan bantuan IBM SPSS versi 23, untuk yang masih menggunakan SPSS seri di bawahnya jangan khawatir, masih kurang Lebih sama koq Cara aplikasinya, kamu bisa baixar datanya dados Impor 1. tahap Disini (dari misalnya excel), Buka SPSS kamu, arquivo gt ler dados de texto, pada kotak dialogo abrir dados, arquivos de tipo gt pilih excel, maka datanya muncul di layar, pilih lalu klik gt aberto, kemudian dimunculkan lagi jendela dados de abertura, lista de verificacao seperti gambar gt ok, dados telah Masuk dalam registro spss, berikut adalah dataview, lihat sususannya tidak beraturan, kamu bisa atur dalam vista variavel: atur label, desimal, dan lain-lain dalam variabel ver, 2. Tahap Analise, Analise gt regressao gt logistica binaria, Setelah muncul jendela logistica regressao, masukkan Weightgain kedalam dependen, dan variabel kategorik yaitu sexo dan anti-helmintico ke Kotak co-variaveis, lalu klik categorico, untuk tipe menyesuaikan variabel dados kategorik, Di Jendela definir co-variaveis ??variaveis ??Escolha categoria de referencia em primeiro lugar, mudancas Klik kemudian GT continuar, klik proxima lalu masukkan variabel Kontinyu custo, ke dalam covariates, kemudian opcao, kemudian continuar gt ok, maka outputnya akan ditampilkan, Chi-Square modelo sebesar 18,440, angka ini menjelaskan kemampuan modelo dalam memprediksi variabel dependen weightgain. Dengan signifikansi 0,000 lt 0,05, berarti terdapat peningkatan signifikansi dengan penambahan variavel sexo, dan anthelmintic, modelo ke dalam. -2 log probabilidade menjelaskan signifikansi modelo layaknya R-sq pada regressar linier OLS. Tabel Hosmer e Lemeshow testaram um modelo de modelo significativo, um modelo diferente e um anthelmintico. Penambahannya cukup kecil dengan signifikansi 0,631 (gt0,05). Kita lihat kembali pada variaveis ??de saida na equacao menunjukkan modelo sesuai hipotesis null atau modelo tanpa prediktor, variaveis ??de saida nao na equacao menunjukkan signifikansi masing-masing variabel independen terhadap weightgain. (0,000), sedangkan sex (1) tidak signifikan (0,298). Dari tabel dapat kita lihat variavel anthelmintic (1) memberikan peningkatan yang signifikan terhadap modelo (0,000), sedangkan sex (1) tidak signifikan (0,298). Tetapi secara keseluruhan signifikan terhadap perbaikan modelo (estatisticas globais, sig 0,000). Dari variaveis ??de saida na equacao persamaan yang kita peroleh adalah (lihat nilai pada kolom B): Logar cotas (peso) B0 B1sex (1) B2anthelmintic (1) B3cost atau dengan nilai aslinya Pontuacao do jogo (weightgain) -3,502 0,116sex (1) 2,638anthelmintico (1) 0,011cost Jika sex (1) 1 (lihat output coding), anthelmintic (1) 1 (lihat output coding), dan costUS 100, maka persamaannya menjadi: Log odds (weightgain) -3,502 0,116 (1) 2,638 (Peso) -3,502 0,116 2,638 1,1 Jika kita hilangkan log maka persaan akan dalam bentuk eksponensial: probabilidades (weightgain) e -3,502 0,116 2,638 1,1 Interpretacao de resultados Persaan Untuk setiap perubahan por unidade Pada variabel sexo (1) (koding dummy untuk variabel M / jantan), akan meningkatkan weightgain sebesar 0,116. Untuk setiap kenaikan pada variabel anthelmintic (1) sebesar 1 unidade, maka akan meningkatkan peso sebesar 2,638. Untitk setiap sebesar US1 terhadap variabel cost, maka akan meningkatkan peluang weightgain sebesar 0,011. Dari Nilai signifikansi dapat kita simpulkan bahwa variabel yang signifikan probabilidades logaritmicas berpengaruh terhadap (Weightgain) adalah pemberian obat CACing secara rutina (anti-helmintico (1)), dan custar dengan Nilai signifikansi berturut-turut 0,02 dan 0018 (pada Tingkat signifikansi 95). Kemudian mari kita interpretasikan Nilai exp (B) variaveis ??de saida pada na equacao Di Atas: Variabel sexo (1) yang mengacu pada Homem / Jantan, memiliki kecenderungan untuk mendapatkan pertambahan berat Badan (weightg ain) 1.122 kali daripada Mulher / betina yang menjadi kategori Referencias de kita (ini adalah koding dummy, dimana 0 pontos de fidelidade para 1). Variabel anti-helmintico (1) yang mengacu pada sim, dimana pemberian obat CACing secara teratur dan sesuai dose memiliki peluang sebesar 13.988 kali daripada kategori referensi kita yang mengacu pada nao, dimana nao dinyatakan sebagai tidak memberikan asupan obat CACing secara rutina dan sesuai dose. Variabel ini sangat significado significa mempengaruhi log odds (peso) dengan nilai signifikansi 0,002. Variabel cost cenderung meningkatkan peso 0,051 kali dengan nilai signifikansi yang baik yaitu 0,018 lt 0,05. (Yoso) download materi dalam bentuk pdf para bawah ini gtgtgtImage Galeria para dispositivos moveis e de toque: PhotoSwipe Ultima atualizacao em 31 de maio de 2011 por Gabriel Livan 1 Comentario O PhotoSwipe e uma galeria de imagens baseada em HTML / CSS / JavaScript que visa especificamente dispositivos moveis. Esta aplicacao destina-se a desenvolvedores e designers que necessitam de uma galeria de imagens interativas em seu site para dispositivos moveis com a aparencia de um aplicativo nativo que oferece aos seus visitantes uma interface familiar e intuitiva que lhes permite interagir com imagens no seu site para dispositivos moveis. O PhotoSwipe e inspirado no visualizador de fotos do iOS e em imagens do Google para celular e suporta aparelhos moveis que executam navegadores baseados no WebKit, ou seja, iOS, Android e Blackberry 6. Otimizado para dispositivos moveis que executam um navegador WebKit. Funciona em modernos navegadores de desktop, incluindo o Internet Explorer 8 e superior. Varias opcoes de entrada, incluindo gestos de deslize (toques de mouse e tela), controle de teclado e uma barra de ferramentas interativa na tela. Responde as mudancas na orientacao do dispositivo. Dimensiona automaticamente as imagens para maximizar o tamanho ea orientacao do ecra. Zoom / pan e girar imagens (a partir de v1.0.4 8211 dispositivos iOS experimentais apenas) Funciona com sua marcacao e estrutura semantica. Nao impoe nenhuma marcacao especifica. Suporta legendas de imagem. Slideshow para reproduzir automaticamente imagens na galeria. Usa aceleracao de hardware sempre que possivel para transicoes e efeitos mais suaves. Pode ser integrado no jQuery Mobile. Opcoes de personalizacao abrangente: Apresentacao controlada via CSS Defina se a galeria se enrola ou nao, ou seja, quando voce chega ao fim, e a proxima imagem a primeira imagem ou a galeria mostra um efeito de salto para indicar que voce atingiu o fim. Ocultar ou mostrar legendas e barra de ferramentas Alterar posicoes de legenda e barra de ferramentas Defina as velocidades de todas as animacoes utilizadas, desde deslizar ate desaparecer. Comentario via Facebook 1 Comentario Ei, eu tentei isso Para ios Devlopment, estou usando a pagina html que implementou este slider photoswipe e carregamento em uiwebview de dispositivo ios, Mas quando as imagens mostrando no Slider, em seguida, Onclick evento nao funciona. Apenas sendo zoom in e Zoom out, mas nao e redirecionar para o seu link eu tenho dado funciona muito bem em simulador de ios, mas nao funciona em dispositivo ios, para que qualquer pessoa pode me dar solucao Deixe uma resposta Cancelar resposta Sobre mim Hey, la Im Gabriel Livan, Web Developer, Blogger e comerciante do Internet. Eu adoro fazer aplicacoes web rapidas, seguras e escalaveis, correndo e viajando pelo mundo. Eu blog sobre WordPress, site amp amp amperes e ferramentas de qualidade para profissionais da web. Leia maisDalam salah satu tulisan di blogue ini, kita sudah pernah membahas bagaimana memperlakukan variavel independente (variavel bebas) yang bersifat kualitatif (skala pengukuran nominal atau ordinal) dalam modelo regresi, yaitu dengan membentuk variable dummy. Nah, pada tulisan kali ini kita akan melihat bagaimana jika dalam modelo regressi tersebut yang bersifat kualitatif adalah variavel dependente (terikat). Dalam modelo dengan variabel kualitatif, terdapat beberapa macam teknik pendekatan modelo yang salah satunya adalah modelo logit yang menjadi foco dalam tulisan ini. Selain itu, tulisan ini juga lebih menfokuskan pada variavel kualitatif yang hanya mempunyai dua kemungkinan nilai, misalnya kesuksesan (sukses gagal), kesetujuan (setuju tidak setuju), keinginan membeli (ya tidak). Variabel kualitatif yang hanya mempunyai dua kemungkinan nilai ini disebut dengan variavel biner. (Pada tulisan-tulisan berikutnya, mudah-mudahan akan kita bahas untuk variavel kualitatif dengan lebih dari dua kemungkinan nilai). Selanjutnya, dalam mengestimasi modelo logit juga terdapat beberapa metode yaitu metode maxima verossimilhanca, nao-interativa ponderada menos quadrado dan discriminante funcao analise. Namun demikian, metodo yang umum digunakan dalam software paket-paket estatistica adalah metode maxima verossimilhanca. Programa de menopausa Minitab yang juga mengaplikasikan metode maxima probabilidade dalam estimasi modelo logit. Sessao de judaismo, judaismo, judeu, judeu, judeu, judeu, judaismo, judaismo, judaismo, judaismo, judaismo, judaismo, judaismo, judaismo. Bagi yang berminat mendalami teori-teori yang melatarbelakanginya, tersedia banyak literatura yang terkait dengan hal tersebut. Misalnya kita ingin memprediksi bagaimana pengaruh umur, jenis kelamin dan pendapatan terhadap pembelian mobil. Berdasarkan hasil survai terhadap 130 respondendo, didapatkan datanya sebagai berikut: (silakan download di sini. Masih dalam palavra bentuk, tetapi bisa e uma copia ke Minitab). Y. 1 jika konsumen membeli mobil 0 jika konsumen tidak membeli mobil X2: Umur responden dalam tahun X3: 1 jika konsumen berjenis kelamin wanita 0 jika konsumen berjenis kelamin pria X4: 0 jika konsumen berpendapatan Rendah 1 jika konsumen berpendapatan Sedang 2 jika konsumen berpendapatan tinggi Dados do Pengolahan Dados do programa: 1. Buka program Minitab. Programa Tampilan awal Minitab terdiri dari dua halaman. Halaman atas dinamakan halaman Sessao, untuk tampilan perintah dan hasil. Halaman, bawah, dinamakan, halaman, folha, untuk, penulisan, dados. 2. Dados de dados da folha de trabalho de Halaman, dados de Seagai Sebagai e dados de dados de Seperti e Diberikan di tas. (Lihat tampilan 1) 3. Regressao estatistica Regressao Regressao logistica binaria. Dialogo Kotak yang ditampilkan sebagai berikut: 4. Isikan pada kotak Resposta variabel Y dengan cara, klik kotak resposta, klik variabel Y kemudian klik Selecione. Selanjutnya isikan pada modelo variavel X2, X3 dan X4 dengan cara klik kotak Modelo, klik (atau blok sekaligus) X2, X3 dan X4, kemudian klik Selecione. Selanjutnya, Karena variabel X4 merupakan peubah kategori (ordinal) dengan Lebih dari kategori (yaitu 0pendapatan Rendah, 1pendapatan Sedang dan 2pendapatan tinggi) maka diubah terlebih dahulu ke dalam 2 variabel manequim, Untuk modelo mengembangkan yang logis dan diinterpretasi mudah, sebagai berikut: X41 1 ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, Dengan cara demikian, Minitariedade secara otomatis akan menjadikan variabel X4 menjadi dua variabel dummy yaitu X41 dan X42. Peubah X3 sebenarnya juga dapat dimasukkan ke dalam kotak isian Fatores, tetapi karena berisi dados numerik (1 de 0) maka tidak perlu dimasukkan. Hasil pemasukan variabel tersebut dapat dili dalam tampilan berikut: 5. Setelah itu klik, OK. Maka akan Muncul Hasil regresi logit di sebagai Halaman Sessao berikut (Disini hanya ditampilkan bagian-bagian terpenting saja yang dibahas Akan): Dalam pelaporannya, modelo regresi logistiknya dapat dituliskan sebagai berikut: Yang dari saida do Minitab contoh kita menjadi sebagai berikut: Modelo merupakan ini Modelo peluang membeli mobil (P (xi) yang dipengaruhi Oleh Faktor-faktor Umur, Jenis kelamin dan pendapatan. Dapat kita Lihat bahwa modelo tersebut adalah bersifat parametro dalam nao-linear. Selanjutnya, modelo menjadikan untuk tersebut linear, maka dilakukan transformasi dengan logaritma natural, (transformasi ini yang menjadi hal penting dalam regresi logistik dan dikenal dengan istilah 8220logit transformation8221), sehingga menjadi: 1-P (xi) adalah peluang tidak membeli mobil, sebagai kebalikan dari P (xi) sebagai peluang membeli mobil Oleh karenanya, ln P. (Xi) / 1-P (xi) secara sederhana merupakan registro dari perbandingan antara peluang membeli mobil dengan peluang tidak membeli mobil. Oleh karenanya juga, koefisien dalam persamaan (3) ini menunjukkan pengaruh dari umur, jenis kelamin dan pendapatan terhadap peluang relative individu membeli mobil yang dibandingkan dengan peluang tidak membeli mobil. Sebagaimana halnya dengan modelo regresi linear dengan metode OLS, kita juga dapat melakukan pengujian artigo penting modelo secara keseluruhan. Jika pada metode OLS, kita menggunakan uji F, maka pada ini modelo, kita menggunakan uji G. Estatisticas G ini menyebar menurut sebaran Khi-kuadrat (2). Karenanya dalam pengujiannya, nilai G dapat dibandingkan dengan nilai 2 tabel pada terttuu dan derajat bebas k-1. (Pengujian de kriteria de cara de Dan pengujian de persis sama dengan uji F pada metode regresi OLS). Tetapi, anda juga bisa melihat nilai p-valor dari nilai G ini yang biasanya ditampilkan oleh software-software statistik. Dari hasil Minitab kita, didapatkan nilai G sebesar 14,447 dengan valor p 0,006. Karena Nilai ini Jauh dibawah 10 (jika kita menggunakan pengujian dengan 10), atau Jauh dibawah 5 (jika kita menggunakan pengujian dengan 5), maka dapat disimpulkan bahwa modelo regresi logistik secara keseluruhan dapat menjelaskan atau memprediksi keputusan konsumen dalam membeli mobil. Selanjutnya, untuk menguji Faktor mana yang berpengaruh Nyata terhadap keputusan pilihan membeli mobil tersebut, dapat menggunakan uji signifikansi dari parametro koefisien secara parsial dengan statistik uji Wald, yang serupa dengan statistik uji t atau uji Z dalam regresi biasa linear, yaitu dengan membagi koefisien terhadap standar Erro masing-masing koefisien. Dari saida minitab ditampilkan nilai Z dan p-valuenya. Dari hasil kita, berdasarkan nilai p-valor (dan menggunakan kriteria pengujian 10), kita dapat melihat seluruh variabel (kecuali X41), berpengaruh nyata (memiliki p-valor dibawah 10) terhadap keputusan membeli mobil. Lalu, bagaimana, kita, menginterpretasikan, koefisien, regressar logit dari persamaan (3) di atas. Dalam modelo regressivo linear, koefisien 1 menunjukkan perubahan nilai variabel dependente sebagai akibat perubahan satu satuan variabel independente. Hal yang sama sebenarnya joga berlaku dalam modelo regressar logit, tetapi secara matematis sulit diinterpretasikan. Koefisien dalam modelo logit menunjukkan perubahan dalam logit sebagai akibat perubahan satu satuan variabel independente. Interpretasi yang tepat untuk koefisien ini tentunya tergantung pada kemampuan menempatkan arti dari perbedaan antara dua logit. Oleh karenanya, dalam modelo logit, dikembangkan pengukuran yang dikenal dengan nama odds ratio (). Odds ratio untuk masing-masing variavel ditampilkan oleh Minitab sebagaimana yang terlihat di atas. Apa yang dimaksud dengan odds ratio dan bagaimana memahaminya Racio de Odds secara sederhana dapat dirumuskan: e. Dimana e adalah bilangan 2,71828 dan adalah koefisien masing-masing variabel. Sebagai contoh, odds ratio untuk variabel X 3 e 0,7609 2,14 (lihat saida minitab). Dalam kasus variabel X 3 (jenis kelamin dimana), dengan odds ratio seta 2,14 dapat diartikan bahwa peluang wanita untuk membeli mobil adalah 2,14 kali dibandingkan pria, jika umur dan pendapatan mereka sama. Artinya wanita memiliki peluang lebih tinggi dalam membeli mobil dibandingkan pria. Dalam kasus variabel X 2 (Umur), odds ratio dengan sebesar 0,90 dapat diartikan bahwa konsumen yang berumur Lebih tua satu tahun peluang membeli mobilnya adalah 0,90 kali dibandingkan konsumen Umur yang Lebih muda (tahun satu), jika pendapatan dan Jenis kelamin Mereka sama Artinya orang yang lebih tua memiliki peluang yang lebih rendah dalam membeli mobil. Dalam konteks umur ini (proporcao de skang da variabilidade de yang merupakan), hati-hati menginterpretasikan nilai perbedaan peluangnya. Jika perbedaan umur lebih dari 1 tahun, misalnya 10 tahun, maka odds razya akan menjadi 0,36, yang diperoleh dari perhitungan sbb: e (10 x -0,10322). Artinya peluang membeli mobil konsumen eang berumur lebih tua 10 tahun adalah 0,36 dibandingkan konsumen yang lebih muda (10 tahun) darinya. Selanjutnya, dalam konteks variabel pendapatan, bahwa terlihat X 41 tidak berpengaruh significikan. Artinya, peluang membeli, mobil antara, konsumen, pendapatan, sedang, pendapatan, rendah, adalah, sama saja. Sebaliknya, untuk X 42. Dapat diinterpretasikan bahwa, peluang, membeli, mobil konsumen, pendapatan, tinggi, adalah, 2,26 kali dibandingkan, pendapatan, renda, jika umur dan jenis kelaminnya sama. (Perhatikan, que tem 41 anos de idade e que tem 42 anos de idade, e um membro da familia que vive no mundo inteiro. Saida Minitab juga Mostrando asosiasi ukuran-ukuran (hubungan) antara Nilai Aktual (sebenarnya) dari variabel dependente (Y) dengan dugaan peluangnya, yang dapat kita interpretasikan sebagai berikut: Dari Nilai Concordante dapat disimpulkan bahwa 70,2 persen pengamatan dengan kategori membeli (Y1 ) Diduga mempunyai peluang lebih besar pada kategori membeli. Dari nilai Discordante dapat disimpulkan bahwa 28,4 perseno pengamatan dengan kategori tidak membeli (Y0) diduga mempunya peluang lebih besar pada kategori membeli. Nilai Gravatas personalizadas merupakan persentase pengamatan dengan peluang pada kategori membeli sama dengan peluang kategori tidak membeli. Hubungan yang kuat (dan sekaligus menunjukkan semakin baiknya daya prediksi modelo) idiota oleh besarnya nilai Concordante dan kecilnya nilai Discordante dan Ties. Selanjutnya juga terdapat ukuran-ukuran ringkas (Sommer8217s D, Goodman-Kruskal Gamma dan Kendall8217s Tau-a). Semakin besar ukuran asosiasi in a ke nilai 1, maka semakin baik daya prediksi dari modelo dugaan yang diperoleh. Sebenarnya tidak ada perbedaan. Pemilihan antara analisis probit dan logit tergantung dados pada kondisi yang diperoleh. Dados de Jika yg diperoleh tersebar secara normal, maka analisis yg digunakan adalah probit, sedangkan jika dados tidak tersebar secara normal, maka yg digunakan adalah logit. Salam. Pak, sy Sedang olah dados mgunakan logit .. Hasil yg sy peroleh Nilai somers8217d, gama Goodman-Kruskal, ampkendall8217s tau-a adalah msg2 0,83, 0,84, 0,30 amp .. apa nilai2 TSB sudah bs mngatakan bahwa modelo sy bagus Pak Nilai somers8217dampgoodmn - krskal gamma memang mndekati angka1, namun Nilai kendall8217s tau-a dari Jauh 1 .. yang kdua, sebenarny Maksud dari nilai2 TSB sbg ringkasan asosiasi tabel concordantampdiscordant itu apa ya Pakinterpretasi utk msg2 Nilai (somer8217s D, gama goodmn-krskl, ampkendall8217s tau-a ). ketiga, apakah ada Indikator atau Batasan Nilai yang somers8217d pasti untuk, gama Goodman-Kruskal, ampkendall8217s tau-a, jika dikatakan daya prediksi modelo bagus dan tidak bagussoalnya dari penjelasan hanya dikatakan Semakin mendekati 1 berarti Semakin baik..jadi tidak ada batas bawahnya yang Pasti Dan keempat, apa kelebihan olah data logit mgunakan minitab dibndingkn dengan spm Mohon penjelasannya Pak, terima kasih banyak .. wassalam. Silkan baca tulisan ini dan ini. Yang, khusus, saya, buat, untuk, menjawab, pertanyaan, diatas. ralat: Pak, kalau saya sudah menggunakan logit binertetapi tanda koefisien salah satu variabel independennya tidak sesuai dengan Teori (YG seharusnya berbanding terbalik tetapi hasilnya berbanding lurus) sehingga pada saat interpretasi ada biasapakah ada dados Cara manipulasi secara statistik sehingga tanda koefisiennya berubahTerimakasih. Yang penting untuk diperhatikan adalah bahwa dalam regresi logit, kita tidak membaca koefisien, odds ratio tetapi membaca. Coba dicermati lagi tulisan diatas. Kalau setelah odds ratio membaca ternyata interpretasinya juga berlawanan dengan Teori, ada beberapa hal yang Harus diperiksa: 1. Apakah datanya sudah benar 2. Apakah modelnya yang dibangun sudah tepat 3. Apakah jumlah Sampel sudah cukup memadai 4. Apakah penarikan Sampel sudah benar Jika semuanya Sudah benar / sesuai, dados de kita tidak perlu memanipulasi. Ungkapkan itu sebagai suatu temuan dan jelaskan secara empirik apa penyebabnya berbeda dengan teori. Untuk manipulasi banyak dados metode misalnya dados menghilangkan outlier, os dados melogaritmakan dan Mistos. Tentunya, pilihan-pilihan, tersebut, tergantung, dengan, kasus, yang, dihadapi. Pak, kalau saya sudah menggunakan logit biner8230tetapi tanda koefisien salah satu variabel dependennya tidak sesuai dengan teori8230sehingga pada saat interpretasi ada bias8230apakah ada dados Cara manipulasi secara statistik sehingga tanda koefisiennya berubahTerimakasih. pak klo misalnya pake regresi logistik dan salah satu variabel terikat ada dalam bentuk jutaan, apa Boleh di Ln kansedangkan variabel yang deitado sudaha dalam bentuk rasio8230terimakasih. Boleh kok, tidak ada masalah. Hanya Saja, seringkali besaran angka antar variabel Jauh berbeda (dan kalau di Ln kan juga akan menghasilkan besaran yang Jauh berbeda), koefisien regresi yang kita dapatkan bisa sangat kecil sekali (Sering tidak Muncul angkanya dalam saida, misalnya keluar koefisien 0,0000). Tentunya sulit untuk menginterpretasikannya salam, pak apa ada penjelasan mengenai cara membaca saida regresi logistik ini jika peubah bebasnya ada yang tipe numerik (bukan nominal ataupun ordinal), terima kasih, wassalam. Coba lihat cara interpretasi variavel umur pada tulisan diatas. Pak..apa ada penjelasan tentang penggunaan multinomial logit Mohon sekirana ada dibahas pak .. Terima kasih Wassalam Insya Deus, jika ada waktu akan dibahas. Terimakasih sarannya salampak kalo regressar linier berganda dan logit menggunakan variabel dummy cara menginputnya ke minitab bagaimana ya, paksaya minta bantuannya ya, pak saya lagi penelitian. Terimakasih banyak, ya, pak Sepertinya sudah ada penjelasan dalam tulisan diatas. Atau bisa diperinci lagi maksud pertanyaannya MOhon, bantuannnya8230saya, berencana, menggunakan, registra-se para login para registar-se agak terkendala dalam penentuan variabel terikat..apa variavel terikat itu bisa lebih dari 2 ya. Variabel terikatnya semua prduk pada suatu perusahaab perbankan, apa hasilnya nanti bagus ya /. Terimakasih atas bantuan, anda, saya sangat berharap Maksudnya variavel terikat lebih dari dua itu, variacao kategorinya apa jumlah. Kalau jumlah variavel ya tidak bisa. Dalam persaman regresi, variabel terikat hanya 1 Kalau kategori variavel terikat lebih dari dua (skala ordinal atau nominal), ya bisa. Kalau skala ordinal, kita menggunakan regresi ordinal logit. Kalau skala nominal, kita menggunakan multinomial logit. Mohon maaf, ijin untuk link ke blog anda. sebelumnya terima kasihRegresi Logistik (regressao logistica) sebenarnya sama dengan Analsis regresi berganda. Hanya variabel terikatnya merupakan variavel dummy (0 dan 1). Sebagai contoh, pengaruh beberapa rasio keuangan terhadap keterlambatan penyampaian laporan keuangan. Maka variabel terikatnya adalah 0 jika terlambat em 1 jika tidak terlambat (tepat). Regresi logistik tidak memerlukan asumsi normalitas. Meskipun screening dados outliers tetap dapat dilakukan. Untuk asumsi multikolinearitas pada regressar logistik silahkan simak di sini. Interpretasi regresi logistik menggunakan relacao impar atau kemungkinan. Sebagai contoh, jika rasio keuangan ROA pescadores sebesar 1 maka kemungkinan ketepatan menyampaikan laporan keuangan meningkat sebesar 1,05 kali. Berarti semakin tinggi ROA kemungkanan tepat semakin tinggi. Atau jika rasio keuangan DER meningato sebesar 2 maka kemungkinan ketepatan penyampaian laporan keuangan meningkat sebesar 0,98 kali atau bisa dikatakan menura karena lebih kecil dari 1 yang berarti kemungkinan terlambat semakin tinggi. Berikut adalah simulasi aplikasi regresi logistik (regressao logistica) dengan SPSS Versi. 11.5. Contem dados tabulares dados 84 sampel bisa di download di sini. Tampilannya pada SPSS Versi 11,5 kurang Lebih seperti ini Simulasi adalah untuk melihat pengaruh Antara variabel profitabilitas, kompleksitas Perusahaan, auditor opini, likuiditas dan ukuran Perusahaan terhadap ketepatan penyampaian laporan keuangan tahunan Perusahaan. Profitabilitas diukur dengan ROA kompleksitas diukur dengan 1 jika mempunyai anak Perusahaan dan 0 jika Perusahaan tidak mempunyai anak Perusahaan auditor opini diukur dengan 1 jika mendapatkan opini wajar Tanpa pengecualian dan 0 untuk opini yang deitado likuiditas diukur dengan relacao atual dan kompleksitas diukur dengan logaritma valor de mercado naturais . Nah variavel terikatnya adalah ketepatan penyampaian laporan keuangan dengan kode 1 para o peruano yang tepat waktu dan 0 para o peruhaan yang terlambat. Klik menu Analisar, pilih Logistica binaria, seperti ini: Jika anda benar, maka akan keluar menu box untuk regresi logistik. Masukkan variabel ketepatan ke dalam caixa dependend, dan masukkan variabel bebas ke dalam caixa covariate. Lalu klik pada options, Classificacao actual: 4 de 5 estrelas Avaliado em 2 de Abril de 2012 Google Tradutor Esta avaliacao representa a opiniao subjetiva de um membro do programa TripAdvisor e nao da TripAdvisor LLC. Programa akan melakukan perhitungan secara otomatis, dan hasil selengkapnya dapat anda bandingkan dengan dados yang telah anda Baixar Interpretesinya adalah sebagai berikut: Pertama. Melihat saida menginterpretasikan modelo dengan kelayakan berikut ini: Nilai -2 Log Probabilidade adalah sebesar pada 96.607 yang akan dibandingkan dengan Nilai Chi Praca taraf signifikansi 0,05 dengan df sebesar N-1 dengan N adalah jumlah Sampel, berarti 84 8211 1 83. Dari tabel Chi Square, diperoleh nilainya adalah 100,744. Jadi -2 Log Probabilidade lt Chi Quadrado (96.607 lt 100,74) Jika konstanta saja dimasukkan tidak layak, semua variavel bebas dimasukkan juga tidak layak, tapi kan ada penurunan -2 Log Likelihood. Yup penurunannya adalah sebesar 96.607 8211 84.877 11,73. Atau kalau males ngitung manual, Saida SPSS juga telah memberikan nilai itu yaitu sebagai berikut: Nah kelihatan kan kalau saida selisihnya adalah sebesar 11,729 dan mempunyai 0,039 lt 0,05. Kalau masih kurang puas, bisa dilihat nilai Hosmer e teste de Lemeshow. Hosmer dan Lemeshow Teste adalah untuk melihat apakah dados empiris cocok atau tidak dengan modelo atau dengan kata lain diharapkan tidak ada perbedaan antara dados empiris dengan modelo. Modelo akan dinyatakan layak jika signifikansi di atas 0,05 atau -2 Log Probabilidade di bawah Chi Quadrado Tabel. Hati-hati, ini berkebalikan dengan uji yang lain sebelumnya. Tampak kan bahwa nilai Hosmer e Lemeshow Teste adalah sebesar 9,778 dengan signifikansi 0,281 gt 0,05. Berarti modelo adalah ajuste dan modelo dinyatakan layak dan boleh diinterpretasikan. Gambar di atas membro nilai Nagelkerke R quadrado sebesar 0,191 yang berarti bahwa kelima variavel bebas mampu menjelaskan varians ketepatan penyampaian laporan keuangan sebesar 19,1 dan sisanya yaitu sebesar 80,9 dijelaskan oleh faktor lain. Pengujian hipotesis penelitian dilihat dengan saida de berikut ini: Lihat aja signifikansinya, yang de bawah 0,10 (10) berarti signifikan berpengaruh atau hipotesis diterima. Pembahasannya silahkan dikaitkan dandi teori yang dikembangkan di awal. Download Silahkan materi di atas di Sini dan jika memerlukan dados do arquivo de download contoh silahkan di Sini Malam mas mau Nanya, kalo v. dummy yg digunakan D1 Perusahaan yg melakukan desdobramento dan D0 Perusahaan yg tidak melakukan desdobramento, dalam periode 4tahun itu pemberian RMN 1 dan 0 untuk setiap 1 Perusahaan SLMA 4thn gimana Misalkn tahn2009-2012 Perusahaan A melakukan ss pda thn 2010, apakh pmberian kode 1 hnya pda thn 2010, sdngkn untuk thn 08,11amp12 diberi kode0, atau pemberian kode 1 pda Perusahaan A YG SDH melakukan ss Padathn 09-12. Terima kasih mohon bntuannya mas Kalau melalukan dibri 1, tidak melakukan diberi kode 0. Selesai. Terima kasih. mas, saya Tanya mau, saya SDH uji logistik dan hasilnya signifikan dibawah 0,05 namun betanya bernilai negatif padahal Teori yang ada harusnya hubungan nya positif, kata dosen saya-lo dikarenakan tidak nya de dados normal, untuk menormalkan dados di uji Logistik que bagaimana ya mas Sedangkan, banyak, buku, mengatkan, bahwa, uji, logistik, tidak, peru, uji, normalitas, trimakash, regisi, logistik, tidak, memerlukan, asumsi, normalitas. Terima kasih. ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, Regresi apakah yang cocok untuk penelicioso saya tersebut regressar linear berganda atau regresi logistik mohon pencerahannya. Terima kasih Kalau dependen manequim gunakan logistik. Terima kasih. Selamat malam pak, saya ingin bertanya. Saya sedang menyusun tesis. Dalam penelitian saya menggunakan variabel dummy untuk variabel dependen. variabel untuk Sedangkan independen sebanyak 4. dimana 2 variabel independen diukur melalui kuesioner dengan Skala Likert, sedangkan 2 variabel independen Mistos diukur melalui sekuder dados dengan Skala nominal. Apakah penelitian saya bisa dianalisis menggunakan regressar logistik adaka literatur yang bisa mendukung Terimakasih. Bisa. Terima kasih. Mas, saya mau nanya. Judul penelitian saya penerapan sistema de informacao geografica dalam pemetaan kejadian dbd di wilker puskesmas. Jenis penelitiannya deskriptif kuantitatif. Variabel bebas: curah hujan, kelembaban, kepadatan penduduk, abj (intervalo de skala) umur, jk, pendidikan, pekerjaan, keberadaan teman hias, keberadaan brg2 bekas, kondisi ventilasi (nominal), suhu (rasio) variavel terikat nya itu ada penyebaran penyakit (Intervalo) sama status penderita (nominal) saya bingung mau menggunakan uji apa mas. Yg cocok buat penelitian saya. Mohon bantuannya terimakasih .. Predefinicao: Silhkan simak di rujukan Adicionar como favorito | Terima kasih. Assalamu39alaikum .. min, mau tanya. kalau kita meneliti tentang pengaruh 3 variabel bebas terhadap variabel terikat yang datanya diambil dari 10 misalnya Perusahaan, manakah dados yang seharusnya diinput ke dalam spss apakah dados rata-rata masing2 variabel bebas dan terikatnya, apakah Nilai maksimal atau Nilai minimumnya Terima kasih, min. Simak di metode penelitian Anda, lihat pada definisi operasional variabel. Terima kasih. Selamat siang pak, bertanya saya mau, contoh seperti yang bapak berikan auditoria tentang Diatas atraso, dengan variabel indpendennya terdiri dari Skala Rasio dan Skala nominal yang menggunakan variabel manequim, kira2 metode regresi seperti apa yang cocok digunakan untuk pengujian, apabila delaynya auditoria dihitung jumlah berdasarkan Hari keterlambatan. Bukan menggunanakan variabel dummy. Lebih baik menggunaka regressar berganda atau regressar logistica Terimakasih Silahkan lihat rujukan penelitian terdahulu Anda. Terima kasih. Selamat sore pak. Saya mau tanya variabel dependente saya tentang pemahaman standar akuntansi dimana kuesioner saya berbentuk soal tentang dimana hanya ada dua jawaban benar dan salah. Analisisnya gmn ya Pak Pak, saya mau bertanya lagi. Saya sedang mengerjakan skripsi dengan regressi logistik. 1. Di tabel uji wald, variavel cr saya nilai beta dan s. e nya 0,000 signya 0,406. Itu kenapa bisa 0,000 ya Pak jadis bingung kalo bikin persamaannya. Apa Karena timpang ya Pak datanya Nilai variabel cr bisa Diatas 100 variabel sedangkan deitado (der, NPM, o crescimento) dibawah kebanyakan 10. 2. Jika sig nya 0000 itu signifikan menunjukkan. Betul Pak Mohon jawabannya Pak. Terima kasih sebelumnnya. 1. Coba diperbanyak angka de belakang koma, nanti kelihatan. 2. Betul. Terima kasih. Pak, apakah ada Cara untuk menghitung jumlah amostra yg dibutuhkan ketika ingin menggunakan regresi logistik Apakah dengan disesuaikan jumlah variabel independen atau bagaimana Terima Kasih selamat malam pak..saya ingin bertanya..bagaimana menyusun pertanyaan kuesioner jika sampelnya terbagi menjadi 2 kelompok. Apakah, saya, harus, menyusun, pertanyaan, yang, bisa, dijawab, keduanya. Atau memang ada beberapa pertanyaan tertanu dari total seluruh pertanyaan de kuesioner yang memang khusus untuk 1 kelompok saja. Terima kasih, Jika, ingin, mengukur, hal, yang, sama, tentunya, harus, menggunakan, alat, ukur, yang, sama. Terima kasih. Assalamualaikum Saya mau Tanya mas, Kalau secara keseluruhan Variabel berpengaruh negativo berarti tak memiliki pengaruh significativa ya Apakah itu nanti bermasalah atau tidak masWe foram enviados um lindo presente de bicicletas brilhantes no mes passado, por isso decidimos fazer a unica logica thinggive-lo afastado em um Scavenger Hunt A tensao era alta como as pessoas anteciparam quando a moto ficaria escondida. Finalmente, as 14h na quarta-feira. A cacada comecou e as pessoas comecaram a correr pelo edificio em busca da bicicleta. Foi achado rapidamente pelo afortunado Tony Gambino. Obrigado, Brilhante, pela bela moto, e parabens Tony Na semana passada, o Diretor de Criacao, Alvaro Sotomayor comemorou seu 20? aniversario de trabalhar na WK Amsterdam. Descrito como um festival de um homem, um antidepressivo andando e um homem que fala em emocoes, lvaro e, sem duvida, a alma da agencia. Para marcar seu aniversario nos jogamos-lhe uma festa surpresa macica, que comecou no jardim, continuou em nosso barco da agencia e terminou com dancar a noite afastado em uma festa tematico tropical em Amsterdams Pllek. Foram pia coladas, gigante bananas inflaveis ??e surpresa familia e amigos de todo o mundo. Tudo para honrar o nosso amado Alvaro. Mas isso nao e tudo. Ao longo de seus vinte anos, Alvaro teve um impacto significativo dentro da agencia e Amsterdams mais ampla cena criativa, que firmemente o estabeleceu como uma figura de proa e embaixador da industria criativa da cidade. Fundacao WKs incubadora programa O Kennedys, tornando-se o primeiro nao-Holandes criativo publicidade nele para ser introduzido em ADCNs prestigiado Salao de Honras e usando sua arte para ajudar a proibicao de touradas na Espanha, sao apenas algumas das suas muitas realizacoes. Por isso, o nomeamos para o Premio Andreas, uma honra oficial da Camara Municipal de Amsterda, concedida a individuos por realizacoes excepcionais no dominio do esporte, arte, politica, midia ou educacao na cidade de Amsterda, com influencia demonstrada alem da cidade e das fronteiras nacionais. Em uma ultima surpresa, Alvaro foi apresentado com a medalha Andreas em Pllek pelo vereador do Municipio de Amsterda, Pieter Litjens. Uma vez que ele percebeu que o premio era de verdade e Pieter nao era um stripper Alvaro tinha isso a dizer: Me humilha ser reconhecido oficialmente com este premio e por viver meu lema diario: Live by love. Amor muda um dia mundano em um dia vale a pena estar vivo para. Quero agradecer a minha familia e meus amigos pela minha festa de aniversario de 20 anos e para reverter os papeis de um dia. Eu senti o amor Quero mais de Alvaro Abaixo esta um trecho do e-mail que ele enviou ao redor do escritorio em seu Amsterversary e antes que ele sabia o que estava na loja para ele mais tarde no dia Era setembro de 1995, quando eu voei do aeroporto de Maui , Para LAX e de la para Amsterda para entrevistar em uma agencia de lancamento americana que introduz Nike para o continente europeu. Como era minha primeira entrevista de trabalho oficial eu usei meu terno de veludo verde de tres pecas super e um bronzeado tao profundo como Jay-Z. I chegou a pitoresca cidade de Amsterda em um dos mais glorioso verao ensolaradas dias. Ele foi 28 graus fora portanto, talvez veludo wasnt a melhor escolha de guarda-roupa. Mas a minha outra opcao foi algum californiano bowling traje entao eu fui para a escolha segura. Vinte anos mais tarde, hoje, o sol ainda brilha e minha vida e incrivel. Estar em uma agencia onde o lema e andar estupido todos os dias voce pode imaginar eu me senti em casa. E eu ainda faco, diariamente. Eu ando em estupido e eu ainda me apaixono por este lugar e todo mundo nele. Eu me relaciono com Dori em Finding Nemo ou goldfish. Eu vou e volta este lugar pensando e um oceano. Estou surpreso como pouco mudou. E como nossas tradicoes persistem. Mas heck algumas coisas mudaram temos um barco E um bar e ping pong torneios Este lugar e incrivel. Este lugar realmente traz o melhor em nos. Estou animado para escrever isso novamente em 2035. Acho que podemos fazer as pessoas acreditam que ha esperanca no mundo e convence-los com os nossos sorrisos. Na quinta-feira, 24 de setembro, WiedenKennedy, juntamente com um punhado de outros patrocinadores locais, organizou um mini-con tres em Portland, Oregon (EUA). . O evento de dia inteiro consistiu em keynotes, paineis, networking, uma sessao de ioga e, claro, coqueteis. Clique aqui para uma visao mais detalhada da formacao de oradores e participantes fantasticos e inspiradores. Meron Medhanie, estrategista do WK, reflete sobre o dia. Eles me veem. 8211 Jamie Curl Confiar em sua viagem, individualidade e seu genio, como Intisar Abioto disse poderosamente, e um pouco mais facil de fazer quando voce e visto, ouvido e compreendido. Mas quando as pessoas reconhecem a sua sorte, em vez de seu genio, ele apaga completamente o seu talento e trabalho duro, fazendo voce se sentir como um destinatario do sucesso, em vez de um criador. (Sarah Shapiro, cineasta, diretora e criadora de Lifetime8217s Unreal) Sarah Shapiro compartilhou isso com vigor e paixao como ela bateu em um monte de temas abordados na primeira 3 Mini Conferencia em Portland. O primeiro ser, nunca subestime o poder que uma pessoa tem para fazer uma mudanca. Ou como Kat Gordon disse, 8220Se algo esta quebrado no mundo, voce pode muito bem ser a pessoa para corrigi-lo. E isso e o que ela se propos a fazer. Kat Gordon fundou a 3 Conferencia, estabelecendo uma comunidade de mulheres incriveis e manbassadors em 2012, depois de saber que percentagem representou o numero de diretores criativos femininos em nossa industria. Desde que a organizacao se lancou ha quatro anos, o numero de directores criativos femininos aumentou de 3 para 11. Mas ficou claro durante todo o dia que ainda ha muito trabalho a ser feito. Como Chelsea Vandiver disse melhor, as lutas estavam lidando com sao reais. Tentando superar a barreira da cuteness a ser levada a serio, e esta ideia de matrydom para o trabalho, juntamente com uma extrema culpa por nao ser suficiente para o seu trabalho, familia e voce levou a inumeras conversas de como voce ficar nele quando Parece que tudo esta empilhado. A resposta: Se voce se sentir como o seu o que voce tem que fazer, e a sua paixao, entao voce nao pode desistir. E o momento em que voce solta uma fantasia e se inclina para a que voce esta destinado, essa descoberta acontece. E realmente, aquele e o espaco que nos jogamos em o dia inteiro. (Intisar Abioto, Fotografo, Dancarino, Escritor, Explorador, The Black Portlanders) Ouvimos historias poderosas sobre o que as pessoas estao criando e como as pessoas estao mudando o jogo. Mulheres como Mira Kaddoura e Sarah Shapiro que sao intencionais em quem eles contratam, em vez de contratar o cara que se parece com o ultimo cara que contratamos. Mulheres corajosas que nos desafiaram a falar quando alguem descreve uma mulher como insensivel ou emocional, e em vez disso dizer coisas como 8220hmm ela realmente pensa em seus pes e e bastante apaixonado. (DeAngelo Raines, Co-Fundador Diretor de Arte de Servico e Caridade Stratos, CEO / Fundador do Servico) Tanto quanto todos nos prosperamos em um ambiente de apoio, Tig Notaro lembrou-nos que a ultima coisa que voce quer e um ambiente seguro. Estar em um ambiente de 100 nutricao, voce nao vai realmente crescer. Entao, como fazemos um equilibrio Im nao realmente certo. Podemos comecar com a criacao de um espaco onde todos possam compartilhar sua perspectiva. E abracando essa estranheza, como Tig tao graciosamente faz em sua posicao. Reconhecendo que eles nao conseguem isso, vamos discutir isso e ter confianca que podemos passar por conversas dificeis. Ou como Charity Stratos compartilhado, estando bem com 8220healthy conflito para encontrar um novo terreno comum. Dan Wieden acrescentou que somos mais poderosos quando diversos. A melhor maneira de resolver um problema e quando ha varias perspectivas na sala. A diversidade e a melhor coisa que pode acontecer a criatividade. Para colocar isso em perspectiva, Kat Gordon perguntou a plateia: "Vemos 3.000 anuncios por dia que moldam como vemos as coisas em todas as facetas da vida. Queremos que ele venha de uma perspectiva ou queremos que ela seja representativa da America A WK esta se associando com a 3 Conferencia para trazer um dia inspirador de badass lideres criativas para falar, colaborar e mentor na PNCA em 24 de setembro. Tig Notaro , Stand-up comic e estrela de HBOs Tig Notaro: Boyish Girl Interrompido. Sera o titulo, ao lado de Sarah Shapiro, cineasta, diretora e criadora de Lifetimes UnREAL. A conferencia abrangera uma variedade de industrias criativas de comunicacoes para entretenimento, alimentos, tecnologia e doers / makers. Cada alto-falante vai explorar como eles chegaram a onde estao, e onde eles querem ir a partir daqui. O evento acontece no espaco novo do super-rad dos PNCAs situado em 511 NW Broadway de 8:30 am - 5:30 pm. Obtenha seus ingressos e detalhes aqui: bit. ly/3percentpdx It8217s setembro, de modo que significa it8217s Bike Commute Challenge mes aqui em Oregon Uma das muitas vantagens de trabalhar em WiedenKennedy e que nos apoiamos nossos viajantes de bicicleta. Portland, afinal de contas. A alianca de transporte de bicicletas. Um grupo de defesa de moto sem fins lucrativos com sede em Portland, coloca o Bike Commute Challenge em Setembro, durante o qual as empresas competem para ter a maior percentagem de deslocamentos por bicicleta. WK e sempre um corredor na competicao (we8217ll pega-lo este ano, Reed College). Nos usamos o mes de setembro para mostrar o nosso amor extra de bicicleta comutadores, organizando festas e workshops, pequenos-almocos semanais e premios de sorteio. (Credito do cartaz ao fim de Garrett do estudio de WK)