«confounding» etiketlenmiş sorular

İstatistiksel modellerde, karışıklığın, bir tahmin ediciye olan görünürdeki bağımlılığı, kısmen veya tamamen, her ikisinin de modelde yer almayan üçüncü bir değişkene bağımlılığından veya diğer değişkenlerin doğrusal kombinasyonuna bağımlılığından kaynaklandığı zaman meydana geldiği söylenir. model. Bir modelde yer alan bir değişkenle karıştırmaya genellikle çoklu bağlantı doğrusu denir. Deney tasarımında kullanılan * aliasing * eşanlamlısıdır.

5
Biri “diğer değişkenleri nasıl kontrol eder”?
İşte bu soruyu motive eden makale: Sabırsızlık bizi şişmanlatır mı? Bu makaleyi beğenmiştim ve söz konusu 2 değişken arasındaki gerçek ilişkiyi en iyi şekilde izole etmek için “diğer değişkenleri kontrol etme” (IQ, kariyer, gelir, yaş, vb.) Kavramını güzel bir şekilde gösteriyor. Tipik bir veri setindeki değişkenleri nasıl kontrol ettiğinizi bana …
3
Hangi hastane seçilmeli? Biri daha yüksek başarı oranına sahipken, diğeri daha yüksek toplam başarı oranına sahip
İstatistik öğretmenimin aşağıdaki sorun hakkında söylediği bir şey hakkında bir sorum var. Benim sorum, bu durumda Simpson'un paradoksunun oluşması hakkında bile değil. Benim sorum basitçe profesörümün A) ve D) 'nin A) ve F) yerine doğru cevaplar olduğu ısrarıyla ilgili. Dedi ki: “E Tipi ameliyatlarda başarı oranı çok düşük olduğu için …
3
Gerçekten “ilgili tüm tahmin edicileri” dahil etmemiz gerekiyor mu?
Çıkarım için regresyon modellerini kullanmanın temel bir varsayımı, "tüm ilgili öngörücülerin" tahmin denklemine dahil edilmesidir. Bunun mantığı, önemli bir gerçek dünya faktörünün dahil edilmemesinin taraflı katsayılara ve dolayısıyla yanlış çıkarımlara (yani, atlanan değişken sapmaya) yol açmasıdır. Ancak araştırma pratiğinde, "tüm ilgili yordayıcılara" benzeyen herhangi bir şey içeren hiç kimseyi görmedim …
1
Confounder - tanım
Çok değişkenli analiz kitabında M. Katz'a göre (Bölüm 1.2, sayfa 6), “ Bir karıştırıcı risk faktörü ile ilişkilidir ve sonuçla nedensel olarak ilişkilidir ” . Karıştırıcı neden nedensel olarak sonuçla ilgili olmalıdır ? Karışıklığın sonuçla ilişkilendirilmesi yeterli olur mu?
1
Oranları analiz etme teknikleri
Oranların ve oranların analizi ile ilgili tavsiye ve yorumlar arıyorum. Özellikle oranların analizinin yapıldığı alanda yaygındır, ancak bunun sorunlu olabileceğini öne süren birkaç makale okudum, düşünüyorum: Kronmal, Richard A. 1993. Sahte korelasyon ve oran standardının yanlışlığı yeniden gözden geçirildi. Kraliyet İstatistik Kurumu Seri A 156 (3): 379-392 ve ilgili makaleler. …
4
Eğilim skor eşleştirmesi neden nedensel çıkarım için çalışır?
Eğilim skor eşleştirmesi gözlemsel çalışmalarda nedensel çıkarımlar yapmak için kullanılır (bakınız Rosenbaum / Rubin makalesi ). Neden çalıştığının ardındaki basit sezgi nedir? Başka bir deyişle, neden tedaviye katılma olasılığının iki grup için eşit olduğundan emin olursak, karıştırıcı etkiler ortadan kalkar ve sonucu tedavi hakkında nedensel sonuçlar çıkarmak için kullanabiliriz?
2
Rubin'in Nedensel Modelinde Tartışmasızlık - Layman'ın açıklaması
Rubin'in nedensel modelini uygularken, ihtiyacımız olan (test edilemez) varsayımlardan biri anlamsızlıktır, yani (Y(0),Y(1))⊥T|X(Y(0),Y(1))⊥T|X(Y(0),Y(1))\perp T|X LHS'nin karşı olgusal olduğu durumlarda, T tedavidir ve X kontrol ettiğimiz ortak değişkenlerdir. Bunu Rubin Nedensel Modeli hakkında fazla bir şey bilmeyen bir kişiye nasıl tarif edeceğini merak ediyorum. Teorik olarak bu varsayımı niye ihtiyacımız olduğunu …
3
Deney tasarımında potansiyel bir karışıklık
Soruya genel bakış Uyarı: Bu soru çok fazla kurulum gerektiriyor. Lütfen bana eşlik et. Bir meslektaşım ve ben bir deney tasarımı üzerinde çalışıyoruz. Tasarım, aşağıda listeleyeceğim çok sayıda kısıtlama etrafında çalışmalıdır. Kısıtlamaları tatmin eden ve bize ilgimizle ilgili etkilerini tarafsız olarak tahmin eden bir tasarım geliştirdim. Ancak, meslektaşım tasarımda bir …
3
Kontrollü deneylerde gizlenen değişkenlere ilişkin örnekler yayınlarda nelerdir?
Bu sayfada: Gizlenen Değişkenler: Bazı Örnekler Brian L. Joiner Amerikan İstatistikçi Vol. 4, Kasım 4, 1981 227-233 Brian Joiner "randomizasyonun her derde deva olmadığını" iddia ediyor. Bu, aşağıdaki gibi yaygın ifadelere aykırıdır: İyi tasarlanmış bir deney, bağımsız değişken (ler) ile bağımlı değişken arasındaki gözlemlenen ilişkinin bir açıklaması olarak araştırmacıların yabancı …
2
Hem efekt değiştirici hem de karıştırıcı işlevi gören bir değişkene sahip olmak mümkün müdür?
Belirli bir risk-sonuç ilişkisi çifti için hem etki (ölçüm) değiştiricisi hem de karıştırıcı işlevi gören bir değişken olması mümkün müdür? Ayrımdan hala emin değilim. Farkı anlamama yardımcı olmak için grafik notasyona baktım ama notasyondaki farklar şaşırtıcı. İkisinin grafiksel / görsel açıklaması ve ne zaman çakışabileceği yararlı olacaktır.
1
Anova () ve drop1 () neden GLMM'ler için farklı cevaplar verdi?
Formun bir GLMM var: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kullandığımda , araç paketinden veya drop1(model, test="Chi")kullandığımdan farklı sonuçlar alıyorum . Bu son ikisi aynı cevapları verir.Anova(model, type="III")summary(model) Bir grup uydurma veri kullanarak, bu iki yöntemin normalde farklı olmadığını gördüm. Dengeli doğrusal …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.