«multiple-regression» etiketlenmiş sorular

ANOVA vs çoklu doğrusal regresyon? Her iki yöntemin de aynı istatistiksel modeli kullandığını biliyorum. Ancak hangi koşullar altında hangi yöntemi kullanmalıyım? Bu yöntemlerin kıyaslandığında avantaj ve dezavantajları nelerdir? ANOVA neden deneysel çalışmalarda bu kadar yaygın olarak kullanılıyor ve hiçbir zaman bir regresyon çalışması bulamıyorum?

24 anova  multiple-regression  least-squares 

Birden korelasyon geometrik anlamı ilgilenen am ve kararlılık katsayısı Regresyondaki veya vektör gösteriminde,R 2 y i = β 1 + β 2 x 2 , i + ⋯ + β k x k , i + ϵ iRRRR2R2R^2yi=β1+β2x2,i+⋯+βkxk,i+ϵiyi=β1+β2x2,i+⋯+βkxk,i+ϵiy_i = \beta_1 + \beta_2 x_{2,i} + \dots + \beta_k x_{k,i} + \epsilon_i …

24 regression  correlation  multiple-regression  r-squared  geometry 

Doğrusal regresyon analizinde, aykırıkları analiz eder, çoklu bağdaşıklığı araştırır, heteroscedastisite test eder. Soru şudur: Bunları uygulamak için herhangi bir sipariş var mı? Demek istediğim, önce aykırı değerleri analiz etmemiz ve sonra çok kutuplulukları incelememiz gerekir mi? Veya geri? Bununla ilgili herhangi bir kural var mı?

24 regression  multiple-regression  outliers 

İlk başta siparişin önemli olmadığını düşündüm, ama sonra çoklu regresyon katsayılarını hesaplamak için gram-schmidt ortogonalizasyon sürecini okudum ve şimdi ikinci düşüncelerim var. Gram-schmidt işlemine göre, daha sonra açıklayıcı bir değişken diğer değişkenler arasında endekslenir, artık değişken vektörü küçülür, çünkü önceki değişkenlerin artık vektörleri ondan çıkarılır. Sonuç olarak, açıklayıcı değişkenin regresyon …

24 regression  multiple-regression  regression-coefficients 

Çoklu regresyon için tahmin aralığını hesaplamak için cebirsel gösterim nedir? Aptalca geliyor, ama bunun net bir cebirsel gösterimini bulmakta güçlük çekiyorum.

24 multiple-regression  least-squares  prediction-interval 

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 …

22 multiple-regression  generalized-linear-model  data-transformation  splines  nonlinear 

Birden fazla regresyon yaptığımızda ve bir değişkenindeki bir değişiklik için değişkenindeki ortalama değişime baktığımızı, diğer tüm değişkenleri sabit tuttuğumuzu söylediğinde, diğer değişkenleri sabit olarak hangi değerleri tutuyoruz? Onların ortalaması mı? Sıfır? Herhangi bir değer?yyyxxx Herhangi bir değerde olduğunu düşünmeye meyilliyim; sadece açıklama arıyorum. Birisi bir kanıtı olsaydı, bu da harika …

22 multiple-regression  interpretation  least-squares  regression-coefficients  controlling-for-a-variable 

Tahmin etmek istediğiniz priori lineer bir modeliniz olduğunda çoklu değerlendirme oldukça basittir . Bununla birlikte, bazı model seçimleri yapmak istediğinizde işler biraz daha zor görünmektedir (örneğin, daha büyük bir aday değişken kümesinden "en iyi" tahmin değişkenleri kümesini bulun - özellikle R'yi kullanarak LASSO ve fraksiyonel polinomları düşünüyorum). Bir fikir, modeli …

21 multiple-regression  multiple-imputation 

Kısmi ile katsayılar arasındaki doğrusal ilişkinin tam ilişkisinin ne olduğunu ve faktörlerin önemini ve etkisini göstermek için yalnızca birini mi yoksa ikisini mi kullanmam gerektiğini merak ediyorum .R,2R,2R^2 Bildiğim kadarıyla summary, katsayıların tahminlerini alıyorum ve anovaher faktör için karelerin toplamı ile - bir faktörün karelerinin toplamının karelerin toplamı artı kalıntıların …

21 r  regression  multiple-regression  regression-coefficients  r-squared 

Ben 3 girdi parametreleri çift, verilerime çoklu doğrusal regresyon modeli sığdırmaya çalışıyorum. F( x )F( x )= A x1+ B x2+ Cx3+ dveya= ( A B C )T( x1 x2 x3) + d(ben)(İi)(ben)F(x)=birx1+Bx2+Cx3+dveya(İi)F(x)=(bir B C)T(x1 x2 x3)+d\begin{align} F(x) &= Ax_1 + Bx_2 + Cx_3 + d \tag{i} \\ &\text{or} \\ …

21 regression  data-visualization  multiple-regression  communication 

Bunların çoklu regresyon modelini kullanma koşulları olduğunu okudum: modelin kalıntıları neredeyse normaldir, artıkların değişkenliği neredeyse sabittir artıklar bağımsızdır ve her değişken sonuçla doğrusal olarak ilişkilidir. 1 ve 2 arasındaki farklar nelerdir? Burada bir tane görebilirsiniz: Yukarıdaki grafik, 2 standart sapma uzaklığındaki kalıntıların Y-hat'tan 10 uzakta olduğunu söylüyor. Bu, artıkların normal …

20 regression  multiple-regression  assumptions 

Sırt regresyonunun katsayıları nasıl geometrik olarak sıfıra indirdiğini anladım. Üstelik bunu özel "Ortonormal Durum" da nasıl kanıtlayacağımı biliyorum ama bunun genel vakada "Spektral ayrışma" yoluyla nasıl çalıştığı konusunda kafam karıştı.

20 regression  multiple-regression  regularization  ridge-regression  svd 

Çok değişkenli bir doğrusal regresyon modelini, çoklu doğrusal regresyon olarak tamamen eşdeğer mi? Ben sadece çalışan kastetmiyorum ttt farklı gerilemenin. Bunu birkaç yerde okudum (Bayesian Veri Analizi - Gelman ve ark. Ve Çok Değişkenli Eski Okul - Marden), çok değişkenli doğrusal bir modelin kolayca çoklu regresyon olarak yeniden parametrelendirilebildiğini okudum …

20 regression  multiple-regression  linear-model  multivariate-regression 

Vikipedi ve R sandviç paketi vinyeti , OLS katsayısı standart hatalarını destekleyen varsayımlar ve sandviç tahmincilerinin matematiksel arka planı hakkında iyi bilgi verir. Yine de, artık standart OLS katsayıları varyans tahminini tam olarak anlayamadığım için, artıkların heteroseladastisite sorununun nasıl ele alındığından emin değilim. Sandviç tahmin edicisinin ardındaki sezgi nedir?

20 multiple-regression  residuals  heteroscedasticity  robust-standard-error 

OLS regresyonumla başlıyorum: burada D kukla bir değişkendir, tahminler düşük p değeri ile sıfırdan farklı olur. Daha sonra bir Ramsey RESET testi hazırlarım ve denklemin bazı yanlış yönleri olduğunu fark ettim, bu yüzden kare x: y=β0+β1x1+β2D+εy=β0+β1x1+β2D+ε y = \beta _0 + \beta_1x_1+\beta_2 D + \varepsilon y=β0+β1x1+β2x21+β3D+εy=β0+β1x1+β2x12+β3D+ε y = \beta _0 …

20 regression  multiple-regression  interpretation  least-squares  polynomial