«multicollinearity» etiketlenmiş sorular

Cox orantılı tehlike modelinden sağkalım eğrisini nasıl yorumluyorsunuz? Bu oyuncak örneğinde, verilerdeki agedeğişken üzerinde bir cox orantılı tehlike modelimiz olduğunu kidneyve hayatta kalma eğrisini oluşturduğumuzu varsayalım . library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Örneğin, zamanında hangi ifade doğrudur? ya da her ikisi de yanlış mı?200200200 Bildirim 1:% …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Çeşitli sonuçları tahmin etmek için çoklu regresyon uyguladıkları bir makalenin sonuçlarını yorumlamaya çalışıyorum. Ancak 's ( olarak tanımlanan standartlaştırılmış katsayılar , burada bağımlı değişken ve bir öngörücüdür) bildirilen rapor edilen eşleşmiyor gibi görünüyor :ββ\betaβx1=Bx1⋅S Dx1S Dyβx1=Bx1⋅SDx1SDy\beta_{x_1} = B_{x_1} \cdot \frac{\mathrm{SD}_{x_1}}{\mathrm{SD}_y}yyyx1x1x_1R,2R2R^2 Rağmen 've s -0,83, -0.29, -0.16, -0.43, 0.25, ve -0.29, …

9 regression  regression-coefficients  multicollinearity  r-squared 

İlişkisiz ancak doğrusal olarak bağımlı olan bir dizi değişkenine sahip olmak mümkün müdür ?KKK yani vecor(xi,xj)=0cor(xi,xj)=0cor(x_i, x_j)=0∑Ki=1aixi=0∑i=1Kaixi=0 \sum_{i=1}^K a_ix_i=0 Evet ise bir örnek yazabilir misiniz? EDIT: Cevaplardan mümkün olmadığını takip ediyor. O en azından mümkün olabilir mi nerede tahmini korelasyon katsayısı tahmin edilmektedir değişkenlerinin örnekleri ve , ile ilgisiz bir …

9 correlation  mathematical-statistics  multicollinearity 

Hiyerarşik bir regresyon analizi yürütüyorum ve bazı şüphelerim var: Etkileşimli terimi ortalanmış değişkenleri kullanarak hesaplıyor muyuz? Bağımlı değişken hariç, veri kümesindeki sürekli değişkenlerin TÜMÜ'nü ortalamamız gerekiyor mu? Bazı değişkenleri günlüğe kaydetmemiz gerektiğinde (sd ortalamalarından çok daha yüksek olduğu için), daha önce günlüğe kaydedilen değişkeni mi yoksa ilk değişkeni mi ortalıyoruz? …

9 interaction  multicollinearity  centering 

Temel kurulum: regresyon modeli: ; burada C, kontrol değişkenlerinin vektörüdür.y=constant+β1x1+β2x2+β3x3+β4x4+αC+ϵy=constant+β1x1+β2x2+β3x3+β4x4+αC+ϵy = \text{constant} +\beta_1x_1+\beta_2x_2+\beta_3x_3+\beta_4x_4+\alpha C+\epsilon ile ilgileniyorum ve \ beta_1 ve \ beta_2'nin negatif olmasını bekliyorum. Bununla birlikte, korelasyon katsayısı, corr (verilir modelinde çoklu bağlantı sorunu vardır x_1 , x_2) = 0.9345, corr ( x_1 , x_3) = 0,1765, corr ( …

9 regression  multicollinearity 

Bize ve şeklinde bir dizi veri verildiğini varsayalım . Biz tahmin görevi verilmiştir değerlerine dayalı . İki regresyon tahmin ediyoruz, burada: ( y,x1,x2, ⋯ ,xn)(y,x1,x2,⋯,xn)(y,x_{1},x_{2},\cdots, x_{n})( y,x1,x2, ⋯ ,xn - 1)(y,x1,x2,⋯,xn−1)(y,x_{1},x_{2},\cdots, x_{n-1})yyyxxxyy=f1(x1, ⋯ ,xn - 1,xn)=f2(x1,⋯ ,xn -1)(1)(2)(1)y=f1(x1,⋯,xn−1,xn)(2)y=f2(x1,⋯,xn−1) \begin{align} y &=f_{1}(x_{1},\cdots, x_{n-1}, x_{n}) \tag{1} \\ y &=f_{2}(x_{1},\cdots, x_{n-1}) \tag{2} \end{align} …

9 regression  multiple-regression  missing-data  multicollinearity  multiple-imputation