कैसे करने के लिए calculate - प्रवृत्ति स्कोर में stata - विदेशी मुद्रा

अभिलेखित: स्ताट में, मैं स्ताता मिलान वाले स्टेता में प्रोपेसिटी स्कोर मिलान के लिए एक अंतर्निहित कमांड कैसे नहीं करता, नमूना लेने का एक गैर-प्रायोगिक तरीका है, जो एक नियंत्रण समूह का उत्पादन करता है, जिसका प्रबंधन कॉरपोरेट्स का समूह इलाज समूह के समान है । हालांकि, इस पद्धति के लिए कई उपयोगकर्ता-लिखित मॉड्यूल हैं। निम्नलिखित मॉड्यूल सबसे लोकप्रिय में से हैं: psmatch2.ado को लेविन और साइनेसी (2003) और बेकर और इचिनो (2002) द्वारा pscore. ado द्वारा विकसित किया गया था। हाल ही में, अबदी, ड्रकर, हेर, और इम्बेन्स (2004) ने एनएनएमएच. डो पेश किया। सभी तीन मॉड्यूल जोड़ी मिलान के साथ-साथ उप-क्लासिफिकेशन का समर्थन करते हैं। आप इन मॉड्यूल को निम्न प्रकार से उपयोग कर पा सकते हैं: उदाहरण के लिए:.ssc या कमांड का उपयोग कर आप इन मॉड्यूल को स्थापित कर सकते हैं: उदाहरण के बाद, सही उपयोग खोजने के लिए मदद फ़ाइलों को पढ़ें, उदाहरण के लिए: यदि आपको सांख्यिकीय और उपयोग करने के बारे में प्रश्न हैं इंडियाना विश्वविद्यालय में गणितीय सॉफ्टवेयर, अनुसंधान विश्लेषिकी से संपर्क करें। अनुसंधान विश्लेषिकी, वुडबर्न हॉल 200 के आईयू ब्लूमिंगटन के परिसर में स्थित है, सोमवार से शुक्रवार 9 बजे परामर्श और नियुक्ति के लिए उपलब्ध हैं। यह नॉलेज बेस में दस्तावेज़ एवीएल है I पिछले 2015-06-30 00:00:00 को संशोधित किया गया। स्टेटा में ट्राफी का उपयोग करते हुए प्रोपेंसी स्टेटा कई सालों के लिए, स्टाटा में स्पीसेंसी स्कोअर के लिए मानक उपकरण एडमाइन ल्यूवेन और बारबरा सिएनसी द्वारा लिखित psmatch2 कमांड है। हालांकि, स्ताटा 13 ने विभिन्न तरीकों से उपचार प्रभावों का अनुमान लगाने के लिए एक नया टेफ्फ़ेफ्ट कमांड पेश किया, जिसमें प्रोपेंस स्कोर मिलान शामिल है Teffects psmatch कमांड का psmatch2 पर एक बहुत ही महत्वपूर्ण लाभ है। यह इस तथ्य को ध्यान में रखता है कि मानक त्रुटियों की गणना करते समय ज्ञात होने के बजाय प्रॉपर्टी स्कोर का अनुमान लगाया गया है। यह अक्सर एक महत्वपूर्ण अंतर बनाने के लिए निकलता है, और कभी-कभी आश्चर्यजनक तरीकों से हम इस प्रकार जोरदार psmatch2 से teffects psmatch पर स्विच करने की अनुशंसा करते हैं। और यह लेख आपको संक्रमण करने में मदद करेगा प्रोपेन्सी स्कोर मिलान का उदाहरण उदाहरण डेटा सेट को लोड करने के लिए स्टाटा में निम्नलिखित कमांड चलाएं: इसमें चार चर शामिल हैं: एक उपचार सूचक टी covariates x1 और x2 और एक परिणाम y यह डेटा का निर्माण किया गया है, और उपचार का असर वास्तव में y में एक इकाई वृद्धि है। हालांकि, इलाज की संभावना x1 और x2 के साथ सकारात्मक संबंध है। और दोनों x1 और x2 सकारात्मक y के साथ सहसंबद्ध हैं। इस प्रकार, इलाज और अनुपचारित समूहों के लिए वाई के माध्य मूल्य की तुलना केवल उपचार के प्रभाव को प्रभावित कर लेता है: (टी। X1। और x2 को रिगिंग करना आपको स्थिति का बहुत अच्छा चित्र देगा।) Psmatch2 कमांड आपको एक उपचार के प्रभाव का बेहतर अनुमान: psmatch2 t x1 x2, बाहर (y) teffects कमांड आप टीफिफेक्ट्स के साथ एक ही आकलन कर सकते हैं प्रोफेंसी स्कोर मिलान के लिए उपयोग किए जाने वाले टेफ्ट्स कमांड का मूल सिंटैक्स: टीफिफेक्ट्स psmatch (परिणाम) (उपचार कॉरपोरेट) इस मामले में बुनियादी कमांड होगा: टीफिफेक्ट्स psmatch (y) (टी x1 x2) हालांकि, टेफफाईड का डिफ़ॉल्ट व्यवहार psmatch2 के समान नहीं है, इसलिए समान परिणाम प्राप्त करने के लिए कुछ विकल्पों का उपयोग करने की आवश्यकता है। सबसे पहले, psmatch2 डिफ़ॉल्ट रूप से उपचार पर औसत उपचार प्रभाव (जो इसे ATT के रूप में संदर्भित करता है) की रिपोर्ट करता है डिफ़ॉल्ट रूप से टेफफॉर्म कमांड औसत उपचार प्रभाव (एटीई) को रिपोर्ट करते हैं लेकिन इलाज के औसत उपचार प्रभाव की गणना करेंगे (जो इसे ATET के रूप में संदर्भित करता है) अगर atet विकल्प दिया गया है दूसरा, मूलभूत रूप से psmatch2 उपचार की संभावना के लिए एक जांच मॉडल का उपयोग करता है। टेफफॉर्म कमांड डिफ़ॉल्ट रूप से एक लॉज मॉडल का उपयोग करता है, लेकिन प्रोबिट विकल्प का उपयोग करेगा यदि उपचार समीकरण उपचार समीकरण पर लागू किया गया है। तो टेफफ्रिम्स प्रकार का उपयोग करते हुए एक ही मॉडल को चलाने के लिए: टीफिफेस psmatch (y) (टी x1 एक्स 2, प्रोइबिट), एट उपचार पर औसत उपचार प्रभाव समान है, एक अलग स्थान पर गोल होने के अलावा। लेकिन ध्यान दें कि टेफफैग एक बहुत ही अलग मानक त्रुटि (अच्छी तरह से चर्चा करता है कि वह जल्द ही क्यों है), एक जेड-स्टैटिस्टिक, पी-वैल्यू और 95 आत्मविश्वास अंतराल की बजाय एक टी-आंकड़े की रिपोर्ट करता है डीफॉल्ट विकल्पों के साथ टेफफेक्ट चलाना निम्न देता है: टीफिफेस psmatch (y) (टी x1 x2) यह समतुल्य है: psmatch2 t x1 x2, out (y) लॉग-इन खाया इस मॉडल से एटीटी पिछला से ATTATET के समान है आदर्श। लेकिन ध्यान रखें कि psmatch2 इस मॉडल में कुछ भिन्न ATT की रिपोर्ट कर रहा है। टेफ्टफॉर्म कमांड अगर वही ATET की रिपोर्ट करता है तो पूछा जाता है: टीफिफेक्ट्स psmatch (y) (टी x1 x2), स्टैंडर्ड एस्ट्रॉर्म्स psmatch2 के आउटपुट में निम्नलिखित चेतावनी शामिल है: नोट: S. E. यह ध्यान में नहीं आता है कि प्रवृत्ति स्कोर का अनुमान है। अबाडी और इम्बेन्स (2012 के हालिया पत्र)। हार्वर्ड यूनिवर्सिटी और नेशनल ब्यूरो ऑफ़ इकोनॉमिक रिसर्च) ने इस बात को ध्यान में रखकर कि प्रॉपर्टी स्कोर का अनुमान लगाया जा सकता है, और टीफूड्स उनके काम पर निर्भर हैं। दिलचस्प बात यह है कि एटीई के समायोजन हमेशा नकारात्मक होते हैं, जिससे छोटे मानक त्रुटियों को जन्म दिया जाता है: अनुमानित प्रवृत्ति स्कोर के आधार पर मिलान सही प्रवृत्ति स्कोर के आधार पर मिलान करने की तुलना में अधिक कुशल बन जाता है। हालांकि, एटीईटी के लिए समायोजन सकारात्मक या नकारात्मक हो सकता है, इसलिए psmatch2 द्वारा की गई मानक त्रुटियों को बहुत बड़ा या छोटा हो सकता है। हैंडलिंग टाईज़ इस प्रकार अब तक हमने एक पड़ोसी (और कोई कैलीपर) के साथ सरल पास-पड़ोसी मिलान करने के लिए psmatch2 और teffects psmatch का उपयोग नहीं किया है। हालांकि, यह क्या करने का प्रश्न उठाता है जब दो टिप्पणियों के पास एक ही प्रवृत्ति स्कोर होता है और इन्हें सबसे ऊपरी पड़ोसी के लिए बंधित किया जाता है। क्वाट संबंध सामान्य हैं यदि उपचार मॉडल में संन्यासी स्पष्ट या पूर्णांक हैं डिफ़ॉल्ट रूप से psmatch2 कमांड एक बाँध टिप्पणियों के साथ मेल खाता है, लेकिन संबंध विकल्प के साथ यह सभी बाध्य टिप्पणियों के साथ मेल खाता है। Teffects psmatch कमांड हमेशा सभी संबंधों के साथ मेल खाता है। यदि आपके डेटा सेट में एक ही प्रवृत्ति स्कोर के साथ कई अवलोकन हैं, तो आप टीफवेयर psmatch से बिल्कुल समान परिणाम प्राप्त नहीं करते क्योंकि आप psmatch2 से प्राप्त कर रहे थे जब तक आप वापस नहीं जाते और अपने psmatch2 आदेशों के संबंध विकल्प जोड़ते हैं। (इस समय हम किसी भी स्पष्ट मार्गदर्शन से अवगत नहीं हैं कि क्या यह संबंधों से मेल खाता है या नहीं।) कई पड़ोसियों के साथ मिलान करना डिफ़ॉल्ट रूप से टीफिफेस psmatch एक अवलोकन के साथ प्रत्येक अवलोकन से मेल खाता है। आप इसे नैनोबोर () (या सिर्फ एनएन ()) विकल्प के साथ बदल सकते हैं। उदाहरण के लिए, आप प्रत्येक अवलोकन के साथ अपने निकटतम पड़ोसियों के साथ मैच कर सकते हैं: टीफिफेस psmatch (y) (टी x1 x2), एनएन (3) पोस्टस्टेशन, डिफ़ॉल्ट रूप से टेफ्टवेयर psmatch डेटा सेट में कोई नया वैरिएबल नहीं जोड़ता है। हालांकि, कई विभिन्न उपयोगी चर हैं, जिन्हें विकल्पों के साथ बनाया जा सकता है और अनुमान के अनुसार अनुमान लगाया जा सकता है। इनमें से कुछ चर के निर्माण के बाद निम्न तालिका में उदाहरण डेटा सेट के 1 और 467 वें टिप्पणियों को सूचीबद्ध किया गया है। अच्छी तरह से देखें, जैसा कि हम उन आदेशों को समझाते हैं जो नए चर बनाए थे। इन चर की समीक्षा करना यह भी सुनिश्चित करने का एक अच्छा तरीका है कि आप समझते हैं कि प्रॉपर्टी स्कोर मिलान कार्यों से कैसे ठीक है। टाइप करके एक साफ़ स्लेट के साथ आरंभ करें: ssc. wisc. edussccpubsfilespsm का उपयोग करें, प्रतिस्थापित करें gen () विकल्प teffects psmatch को एक नया चर (या चर) बनाने के लिए कहता है। प्रत्येक अवलोकन के लिए, इस नए चर में उस अवलोकन की संख्या शामिल होगी जो अवलोकन के साथ मेल खाए गए थे। यदि संबंध हैं या आप कई पड़ोसियों का उपयोग करने के लिए teffects psmatch से कहा है, तो जनरल () को कई चर बनाने की आवश्यकता होगी इस प्रकार आप चर नाम के स्टेम की आपूर्ति करते हैं, और teffects psmatch आवश्यकतानुसार प्रत्यय जोड़ देगा। teffects psmatch (y) (टी x1 x2), जीन (मैच) इस मामले में प्रत्येक अवलोकन केवल एक दूसरे से मेल खाता है, इसलिए सामान्य (मैच) केवल मैच 1 बनाता है। उदाहरण के आउटपुट का जिक्र करते हुए, अवलोकन 1 का मैच अवलोकन 467 है (यही कारण है कि उन दो सूचीबद्ध हैं)। ध्यान दें कि ये अवलोकन संख्या केवल मौजूदा सॉर्ट क्रम में मान्य हैं, इसलिए सुनिश्चित करें कि यदि आवश्यक हो, तो आप उस आदेश को पुन: निर्मित कर सकते हैं। यदि आवश्यक हो, तो चलाएं: मौजूदा सॉर्ट क्रम को पुनर्स्थापित करने के लिए पीएस विकल्प के साथ की भविष्यवाणी की गई कमांड प्रोपेंसी स्कोर वाले दो वैरिएबल बनाता है या या तो निरीक्षण समूह या इलाज समूह में होने की संभाव्यता की भविष्यवाणी की गई है: ps0 ps1 की भविष्यवाणी करता है, ps यहाँ ps0 नियंत्रण समूह में रहने की भविष्यवाणी की संभावना है ( टी 0) और पीएस 1 को इलाज समूह (टी 1) में रहने की भविष्यवाणी की संभावना है। टिप्पणियों 1 और 467 मिलान किए गए थे क्योंकि उनकी प्रवृत्ति स्कोर बहुत समान हैं। पीओ विकल्प प्रत्येक अवलोकन के लिए संभावित परिणामों वाले चर बनाता है: y0 y1 की भविष्यवाणी करता है, क्योंकि अवलोकन 1 नियंत्रण समूह में है, y0 में y का अपना मूल्य होता है y1 अवलोकन 1 एस मैच, अवलोकन 467 के लिए y का मान लिया गया मूल्य है। प्रवृत्ति स्कोर मिलान अनुमानक मानता है कि अगर 1 के इलाज समूह में अवलोकन किया गया है तो y का मान उसके इलाज समूह में अवलोकन के समान होगा (जहां quosimilarityquot उनकी प्रवृत्ति स्कोर में अंतर से मापा जाता है)। अवलोकन 467 का इलाज समूह में है, इसलिए y1 के लिए इसका मान वाई का अपना मूल्य माना जाता है, जबकि y0 के मूल्य इसकी मैच, निरीक्षण 781 के लिए वाई के मनाया मूल्य है। कोई विकल्प नहीं के साथ भविष्यवाणी कमांड चलाना उपचार प्रभाव खुद देता है: उपचार प्रभाव बस y1 और y0 के बीच अंतर है आप अपने आप को खा सकते हैं (लेकिन अपनी मानक त्रुटि को स्पष्ट रूप से नहीं): और ATET के साथ: उद्धृत नमूने पर प्रतिगमन प्रवृत्ति स्कोर मिलान को अवधारणा करने का एक और तरीका नियंत्रण समूह से एक नमूना चुनने के रूप में सोच रहा है कि इलाज के आधार पर टिप्पणी समूह। उपचार और मिलान नियंत्रण समूहों के बीच कोई मतभेद तब उपचार का परिणाम माना जाता है। ध्यान दें कि यह इलाज 8212 पर औसत उपचार प्रभाव देता है, एटीई की गणना करता है कि नियंत्रण समूह से मेल खाने वाले समूह का एक नमूना बनाएं। गणितीय रूप से यह अनुमान लगाने के लिए मेल खाने का उपयोग करने के सभी बराबर है, जैसा कि ऊपर वर्णित अनुसार अन्य समूह में किया गया है, यदि कोई अवलोकन परिणाम हुआ होता। कभी-कभी शोधकर्ता तो उत्परिवर्तित नमूने पर प्रतिगमन को चलाने के लिए चाहते हैं, जिसे परिभाषित समूह में अवलोकन के रूप में परिभाषित किया जाता है, साथ ही नियंत्रण समूह में उन टिप्पणियों का मिलान किया जाता है। इस दृष्टिकोण के साथ समस्या यह है कि मिलान वाला नमूना अनुमान के अनुमान के अनुमान पर आधारित है, ज्ञात नहीं है। इस प्रकार मिलान योजना एक अनुमान भी है। मिलान के बाद प्रतिगमन चलाना अनिवार्य रूप से दो चरण प्रतिगमन मॉडल है, और दूसरे चरण से मानक त्रुटियों को पहले चरण को ध्यान में रखना चाहिए, कुछ मानक प्रतिगमन आदेश नहीं करते हैं यह चल रहे अनुसंधान का एक क्षेत्र है। हम एक मिलान वाले नमूने पर रेग्रेसन चलाने के बारे में चर्चा करेंगे क्योंकि यह एक लोकप्रिय तकनीक है, लेकिन हम इसकी अनुशंसा नहीं कर सकते। psmatch2 स्वचालित रूप से एक वजन चर बनाकर आसान बनाता है। इलाज समूह में टिप्पणियों के लिए, वजन 1 है। नियंत्रण समूह में टिप्पणियों के लिए यह इलाज समूह से टिप्पणियों की संख्या है जिसके लिए अवलोकन एक मैच है। यदि अवलोकन एक मैच नहीं है, तो वजन कम है वजन इस प्रकार एक आवृत्ति वजन (फ़ेटवे) के रूप में कार्य करता है और इसका उपयोग स्टैटैस मानक वेटिंग सिंटैक्स के साथ किया जा सकता है। उदाहरण के लिए (एक साफ स्लेट के साथ फिर से शुरू करना): ssc. wisc. edussccpubsfilespsm का उपयोग करें, psmatch2 t x1 x2, out (y) लॉग की गई reg y x1 x2 t fweightweight ऑब्जेक्शन के साथ वजन के लिए अनुपलब्ध मूल्य प्रतिगमन से छोड़ा जाता है, इसलिए यह स्वचालित रूप से मेल खाने वाले नमूने तक ही सीमित है। फिर, ध्यान रखें कि reg कमांड द्वारा दिए गए मानक त्रुटियां गलत हैं क्योंकि वे मिलान चरण को ध्यान में नहीं लेते हैं। टीफवेयर psmatch एक वजन वैरिएबल नहीं बनाता है, लेकिन यह मैच 1 चर के आधार पर एक बनाना संभव है। यहाँ उदाहरण कोड है, टिप्पणियों के साथ: भविष्य के उपयोग के लिए जीनोम ओब्न स्टोर अॉॉर्पोरेशन नंबर को फुलडाटा से बचाने के लिए, पूर्ण डेटा सेट को सहेजने की जगह रखना चाहिए अगर टी में केवल समूहीकृत समूह ही रखें तो मैच 1 वेरिएबल (उनकी मैचों की अवलोकन संख्या) को केवल रखिए। मैच 1: जनरल वजन एन गणना कितनी बार प्रत्येक नियंत्रण अवलोकन मैच 1 के द्वारा एक मैच है: रखो अगर एन 1 को केवल एक पंक्ति प्रति नियंत्रण अवलोकन रेड मैच 1 ओब का नाम बदलने के लिए मर्ज करने के उद्देश्य मर्ज करें 1: एम ओब्लाइड फ़ुलडाटा का उपयोग पूर्ण डेटा में वापस मर्ज करें weight1 की जगह टी इलाज के लिए 1 के लिए वजन निर्धारित टी के परिणामस्वरूप वजन चर psmatch2 द्वारा बनाए वजन चर के समान होगा। जैसा कि इसके साथ सत्यापित किया जा सकता है: इसका उपयोग उसी तरीके से किया जाता है और ठीक उसी परिणाम देगा: reg y x1 x2 t fweightweight जाहिर है यह psmatch2 का उपयोग करने से बेहतर काम है। यदि आपका प्रोपेंस स्कोरिंग मॉडल दोनों टीफवेयर psmatch और psmatch2 का उपयोग करके किया जा सकता है आप सही मानक त्रुटि प्राप्त करने के लिए teffects psmatch को चलाने के लिए और फिर psmatch2 चलाना चाहते हैं यदि आपको वेट वैरिएबल की आवश्यकता हो तो इस प्रतिगमन के इलाज समूह से 666, 333 एन और नियंत्रण समूह से 333 है। हालांकि, यह केवल नियंत्रण समूह से 18 9 अलग-अलग टिप्पणियों का उपयोग करता है। उनमें से लगभग 13 समूह इलाज समूह से एक से अधिक अवलोकन के लिए मैचों हैं और इस प्रकार प्रतिगमन में दोहराए गए हैं (विवरण के लिए यदि टी टैब का वजन होता है) कभी-कभी शोधकर्ताओं ने psmatch2 में norepl (कोई प्रतिस्थापन नहीं) विकल्प का उपयोग करने के लिए यह सुनिश्चित करने के लिए कि प्रत्येक अवलोकन का उपयोग केवल एक बार किया जाता है, भले ही यह आम तौर पर मिलान बदतर बनाता है हमारे ज्ञान का सबसे अच्छा करने के लिए teffects psmatch के साथ कोई समकक्ष नहीं है इस प्रतिगमन के परिणाम वांछित होने के लिए कुछ हद तक छोड़ देते हैं: निर्माण के द्वारा सभी गुणांक 1 होना चाहिए। सभी टिप्पणियों (reg y x1 x2 टी के बजाय reg y x1 x2 t fweightweight) का उपयोग करते हुए प्रतिगमन इस मामले में बेहतर होता है: अनुमान के अन्य तरीकों उपचार प्रभाव जबकि एसपीसीसी में इलाज प्रभावों का आकलन करने के लिए प्रोपेंस स्कोरिंग सबसे आम तरीका है, टेपरेट्स में प्रतिगमन समायोजन (टीफर्ट्स आरए), उलटा संभावना भारोत्तोलन (टीफवेयर आईपीडब्ल्यू), संक्रमित अपवर्जनीय भारोत्तोलन (टीफिफिट एआईपीवाई), उलटा संभावितता भारित प्रतिगमन एडजस्टमेंट (टेफफर्ट्स आईप्रा), और निकटतम मिलानिंग (टेफ्ट्स एनएनएमएच) सिंटैक्स समान है, यद्यपि यह भिन्न होता है कि आपको परिणाम मॉडल, उपचार मॉडल या दोनों के लिए चर निर्दिष्ट करने की आवश्यकता है या नहीं: टेफ़ीफ़ार्स आरए (वाई x1 एक्स 2) (टी) टीफवेयर आईपीडब्ल्यू (वाई) (टी x1 एक्स 2) टीफिफेक्ट एपीवी (वाई x1 x2) (टी x1 x2) teffects ipwra (y x1 x2) (टी x1 x2) teffects nnmatch (y x1 x2) (टी) पूर्ण उदाहरण कोड निम्नलिखित इस आलेख में दिए गए उदाहरणों के लिए पूर्ण कोड है सभी उपयोग ssc. wisc. edussccpubsfilespsm ttest y, (t) reg y x1 x2 टी psmatch2 t x1 x2, out (y) teffects psmatch (y) (टी x1 x2, probit), atet teffects psmatch (y) (t x1 x2) psmatch2 t x1 x2, बाहर (y) लॉग्फ़्ट एट teffects psmatch (y) (t x1 x2), atet ssc. wisc. edussccpubsfilespsm का उपयोग करें, teffects psmatch (y) (t x1 x2), gen (match) की भविष्यवाणी करें ps0 ps1, पी एस की भविष्यवाणी y0 y1, पो अनुमानित है अगर n1 n467 ssc. wisc. edussccpubsfilespsm का उपयोग करें, psmatch2 t x1 x2 की जगह, बाहर (y) लॉग इन reg y x1 x2 टी fweightweight सामान्य obn को बचाने, कोष्ठक की जगह psmatch (y) (टी x1 x2), जीन (मैच) रखो अगर टी मैच 1 बाईसोर्ट मैच 1: सामान्य वजन 1 द्वारा मैच 1: रखो अगर एन 1 रेन मैच 1 ओबी मर्ज 1: एम ओब्लाइड फ़ुलडाटा का इस्तेमाल करते हुए वेट 1 को बदलता है यदि टी रेग वाई x1 एक्स 2 टी फेटवेवेट रेग वाई x 1 एक्स 2 टी टेफफर्ट आरए (वाई x 1 एक्स 2) (टी) टीफवेयर आईपीडब्ल्यू (वाई) (टी एक्स 1 एक्स 2) टीफ्रैक्ट्स एपीवी (वाई x 1 एक्स 2) (टी एक्स 1 एक्स 2) टीफवेयर आईपीवा (वाई x 1 एक्स 2) (टी एक्स 1 एक्स 2) टीफिफेक्ट एनएनएमएच (वाई एक्स 1) x2) (टी) अंतिम संशोधित: 2162015