İleri regresyon modelleme örnekleri

GLM veya OLS kullanarak karmaşık, çoklu doğrusal olmayan ilişkileri modellemek için gereken adımları gösteren gelişmiş bir doğrusal regresyon durum çalışması arıyorum. Temel okul örneklerinin ötesine geçen kaynakları bulmak şaşırtıcı bir şekilde zordur: Okuduğum kitapların çoğu, bir tahmincinin bir BoxCox'u veya en iyi durumda doğal bir eğri ile birleştiğinde yanıtın bir günlük dönüşümünden daha ileri gitmeyecek. Ayrıca şimdiye kadar gördüğüm tüm örnekler, her bir veri dönüşüm sorununa ayrı bir modelde, genellikle tek bir tahmin modelinde yaklaşıyor.

Bir BoxCox veya YeoJohnson dönüşümünün ne olduğunu biliyorum. Aradığım cevap / ilişkinin kesin olarak kesin olmadığı ayrıntılı, gerçek hayattan bir vaka çalışması. Örneğin, yanıt kesinlikle olumlu değildir (bu nedenle log veya BoxCox kullanamazsınız), öngörücüler kendi aralarında ve yanıtla doğrusal olmayan ilişkilere sahiptir ve maksimum olabilirlik veri dönüşümleri standart 0.33 anlamına gelmez veya 0.5 üs. Ayrıca, artık varyansın sabit olmadığı (asla olmadığı) olduğu için, yanıtın da dönüştürülmesi ve standart olmayan bir GLM ailesi regresyonu ya da bir cevap dönüşümü arasında seçim yapılması gerekecektir. Araştırmacı büyük olasılıkla verilerin fazla kullanılmaması için seçimler yapacaktır.

DÜZENLE

Şimdiye kadar aşağıdaki kaynakları topladım:

• Regresyon Modelleme Stratejileri, F. Harrell
• Uygulamalı Ekonometrik Zaman Serileri, W. Enders
• R, G. Petris ile dinamik doğrusal modeller
• Uygulamalı Regresyon Analizi, D. Kleinbaum
• İstatistiksel Öğrenmeye Giriş, G. James / D. Witten

Sadece sonuncuyu okudum (ISLR) ve çok iyi bir metin (saatimdeki 5 beş yıldız), ML'ye yönelik olarak gelişmiş regresyon modellemesinden daha odaklı.

Zorlu bir gerileme vakası sunan CV'de de bu iyi yazı var.

Daha önce başkaları tarafından bahsedilen Regresyon Modelleme Stratejileri ve ISLR iki iyi öneridir. Düşünmek isteyebileceğiniz birkaç tane daha var.

Kuhn ve Johnson'dan Applied Predictive Modeling bir dizi iyi vaka incelemesi içeriyor ve oldukça başarılı.

$-$

Genelleştirilmiş Katkı Modelleri: R ile Simon Wood'a Giriş , genelleştirilmiş ilave modellerin ve bunları mgcvR için paketini kullanarak nasıl hazırladığınızın iyi bir uygulamasıdır. Bazı pratik olmayan pratik örnekler içerir. GAM modellerinin kullanılması, bir spline genişlemesi ve cezalandırılmış maksimum olabilirlik tahmini ile veri uyarlamalı bir şekilde yapıldığından "doğru" dönüşümü ortaya çıkarmanın bir alternatifidir. Bununla birlikte, yapılması gereken başka seçenekler var, örneğin link işlevinin seçimi.

Mboost R Paket ayrıca GAM modellerini uyuyor ama artırılması yoluyla farklı bir yaklaşım kullanarak. Paket için öğreticiyi öneririm (Vignettes'den biri).

Ayrıca bu kitabı henüz okumamış olmama rağmen Hendry ve Doornik'in Empirik Model Keşfi ve Teori Değerlendirmesini de anlatacağım . Bana tavsiye edildi.

Gelişmiş, çoklu, karmaşık (doğrusal olmayanlar dahil) regresyonda bulabileceğiniz en iyi ders materyallerinden biri, Frank E. Harrell Jr.'ın Regresyon Modelleme Stratejileri kitabına dayanmaktadır.

Kitap yorumlarda tartışılıyor ancak bu materyal değil, kendisi de büyük bir kaynak.

Joshua D. Angrist ve Jörn-Steffen Pischke tarafından yazılan En Zararsız Ekonometri kitabını tavsiye ederim

Bu en gerçek dünya, yeryüzüne tuz, sahip olduğum metin ve süper ucuz, yaklaşık 26,00 $ yeni. Kitap, istatistikçi / iktisatçı için yazılmıştır, bu nedenle çok ilerlemiştir.

Şimdi bu kitap tam olarak ne istediğinizi değil, “karmaşık, çoklu lineer olmayan ilişkiler” üzerine, içsellik, yorumlama ve zeki regresyon tasarımı gibi temel temeller üzerine odaklanmadığı anlamına gelmiyor.

Ama bir şey anlatmaya çalışmak için bu kitabı öneriyorum. Gerçekte, regresyon analizinin gerçek dünyaya uygulanması söz konusu olduğunda, en zorlu konuların genellikle modellerimizin yeterince karmaşık olmadığı gerçeğiyle ilgisi yoktur ... inan bana çok karmaşık davulda çok iyi olduğumuza inanıyorum modeller! Aksine en büyük sorunlar gibi şeyler

1. içsellik
2. İhtiyacımız olan tüm verilere sahip olmamak
3. Çok fazla veriye sahip olmak ... ve hepsi karışık!
4. Birçok insan için kendi modellerini doğru yorumlayamıyor ( modelleri daha karmaşık hale getirirken daha yaygın hale gelen bir sorun )

GMM'nin, doğrusal olmayan filtrelerin ve parametrik olmayan regresyonun sağlam bir şekilde anlaşılması, listelediğiniz tüm konuları kapsar ve ilerledikçe öğrenilebilir. Bununla birlikte, gerçek dünya verileriyle, bu çerçeveler gereksiz yere karmaşık olma potansiyeline sahiptir, çoğunlukla zararlıdır.

Genellikle, tamamen genelleştirilmiş ve son derece sofistike olmaktan ziyade basit bir şekilde yapılabilmesi, gerçek dünya analizinde size en fazla yararı sağlama yeteneğidir. Bu kitap size eskisi ile yardımcı olacaktır.

R (ISLR) ile İstatistiksel Öğrenmeye Giriş kısmına bakabilirsiniz, kitap spline'lardan bahsediyor ve vakalarla ilgili polinom regresyonu hakkında ayrıntılı bilgi veriyor.

Sorunuzun amacının ne olduğundan emin değilim. Greene'nin Ekonometrik Analiz metnini önerebilirim . İçindeki kağıtlara bir sürü referansı var. Kitaptaki hemen hemen her örnek, yayınlanan bir makaleye gönderme yapıyor.

Size bir lezzet vermek için, s.195'deki Örnek 7.6 "Gelir İçin Bir Loglinear Modelinde Etkileşim Etkileri" konusuna bakın. Bir makaleye ve veri setine atıfta bulunur: Regina T. Riphahn, Achim Wambach ve Andreas Million, " Sağlık Hizmeti Talebinde Teşvik Etkileri: İki Değişkenli Bir Panel Sayımı Veri Tahmini ", Uygulamalı Ekonometri Dergisi, Cilt. 18, No. 4, 2003, sayfa 387-405.

Örnek, loglinear modellerin kullanımı ve etkileşim etkileri ile ilgilidir. Makalenin tamamını veya bu kitapların açıklamasını okuyabilirsiniz. Bu yapılmış bir kullanım durumu değildir. Bu gerçek bir yayınlanmış bir araştırma. İnsanların ekonomi araştırmalarında istatistiki yöntemleri gerçekte kullanma şekli budur.

Yazdığım gibi, ileri istatistik yöntemlerinin kullanımı ile ilgili bu gibi davalarla rahatsız edildi.

Ruey Tsay (UChicago) 'in yazdığı Finansal Zaman Serileri Analizi derslerini / kitaplarını incelediniz mi?

http://faculty.chicagobooth.edu/ruey.tsay/teaching/

Ruey Tsays sınıfları ve ders kitabı, finansal piyasalarda kullanılmak üzere yaratılan türdeki karmaşık regresyonların Finansmanında birçok gerçek dünyadan örnekler sunar. Bölüm 1, çok faktörlü regresyon modelleriyle başlar ve 5. veya 6. bölümlere göre Mevsimsel Otoregressive Time serisi modellerine genişler.