«overdispersion» etiketlenmiş sorular

Aşırı dağılım, verilerde olması gerekenden daha fazla değişkenlik olduğu zamandır. Örneğin, sayımların varyansı genellikle ortalamadan daha büyüktür, oysa bir Poisson varyansı ortalamaya eşit olmalıdır.

4
GLM aşırı dağılmasının anlamlı olup olmadığını belirlemek için bir test var mı?
R'de Poisson GLM'leri oluşturuyorum. Dağılmayı kontrol etmek için, artık sapmaların sağladığı serbestlik derecelerine oranına bakıyorum summary(model.name). Bu oranın "önemli" olarak kabul edilmesi için bir kesme değeri veya testi var mı? > 1 olması durumunda verilerin aşırı dağıtıldığını biliyorum, ancak 1'e nispeten daha yakın oranlara sahipsem [örneğin, bir oran 1,7 (artık …

4
Aşırı dağınık poisson sonuçları için çok seviyeli bir modeli nasıl takabilirim?
Ben R kullanarak Poisson dağılımlı (fazla dağılımlı) çok seviyeli bir GLMM'ye uymak istiyorum. Şu anda lme4 kullanıyorum ancak yakın zamanda quasipoissonailenin çıkarıldığını fark ettim . Başka bir yerde, gözlem başına bir seviye ile rastgele bir kesişme ekleyerek binom dağılımları için ilave aşırı dağılım modelleyebileceğinizi görmüştüm. Bu, poisson dağılımı için de …

2
Yarı-binom dağılımı nedir (GLM bağlamında)?
Birisinin, quasibinomial dağılımın ne olduğu ve ne yaptığı hakkında sezgisel bir bakış açısı sağlayabileceğini umuyorum. Bu noktalara özellikle ilgi duyuyorum: Quasibinomial'in binom dağılımına ne kadar farklı olduğu. Yanıt değişkeni bir oran olduğunda (örnek değerler 0.23, 0.11, 0.78, 0.98'i içerir), R'de bir quasibinomial model çalışacaktır ancak binom bir model çalışmayacaktır. Bir …

4
Sayım verileri için uygun modele karar verme stratejisi
Sayım verileriyle hangi modelin kullanılacağına karar vermek için uygun strateji nedir? Ben çok düzeyli bir model olarak modellemek için gereken veri sayım var ve bunu (bu sitede) bunu yapmak için en iyi yolu böcek veya MCMCglmm olduğunu tavsiye edilmiştir. Ancak ben hala bayes istatistikleri hakkında bilgi edinmek için çalışıyorum, ve …

2
Birisi Poisson modeli için artık sapma / df'nin ~ 1 olması gerektiğini söylediğinde, yaklaşık ne kadardır?
Poisson model uyumunun artık sapmanın serbestlik derecelerine bölünmesini içeren aşırı dağılmış olup olmadığını kontrol etme tavsiyesini sık sık gördüm. Ortaya çıkan oran "yaklaşık 1" olmalıdır. Soru, "yaklaşık" için hangi aralıktan bahsediyoruz - alternatif model formlarını dikkate almak için alarmları ayarlaması gereken oran nedir?

2
Sayı verileri ve aşırı dağılımlı bir gerilemede Poisson veya yarı poisson?
Sayım verilerim var (muhtemelen birçok faktöre bağlı olarak müşteri sayımı ile talep / teklif analizi). Normal hatalarla doğrusal bir regresyon denedim, ancak QQ grafiğim gerçekten iyi değil. Cevabın bir günlük dönüşümünü denedim: bir kez daha, kötü QQ-plot. Şimdi Poisson Hataları ile bir gerileme deniyorum. Tüm önemli değişkenlere sahip bir modelle …

2
GLM'lerde aşırı dağılım testleri gerçekten * faydalı mıdır?
Bir GLM'deki 'aşırı dağılım' olgusu, yanıt değişkeninin varyansını kısıtlayan bir model kullandığımızda ortaya çıkar ve veriler model kısıtlamasının izin verdiğinden daha fazla varyans gösterir. Bu, sayı verilerini bir Poisson GLM kullanarak modellerken yaygın olarak ortaya çıkar ve iyi bilinen testlerle teşhis edilebilir. Testler, aşırı dağılımın istatistiksel olarak önemli bir kanıtı …


2
Lojistik regresyonda aşırı dağılım
Lojistik regresyonda aşırı dağılım kavramını ele almaya çalışıyorum. Tepki değişkeninin gözlenen varyansı binom dağılımından beklenenden daha büyük olduğunda aşırı dağılımın olduğunu okudum. Fakat bir binom değişkeni sadece iki değere (1/0) sahipse, nasıl bir ortalaması ve varyansı olabilir? Bernoulli denemelerinin x sayısından elde edilen başarıların ortalamasını ve varyansını hesaplamakta iyiyim. Ama …

1
Poisson regresyonunda aşırı dağılım ile nasıl başa çıkılır: yarı olabilirlik, negatif binom GLM veya konu düzeyinde rastgele etki?
Bir Poisson tepki değişkeninde aşırı dağılım ile başa çıkmak için üç öneriyle karşılaştım ve tüm sabit etkili başlangıç ​​modeli: Bir yarı model kullanın; Negatif binom GLM kullanın; Nesne düzeyinde rastgele efektli karışık bir model kullanın. Ama hangisini gerçekten seçmeli ve neden? Bunlar arasında gerçek bir kriter var mı?

1
Poisson vs Quasi-Poisson modelinde tahmin edilen özdeş katsayılar
Bir sigorta ortamında hasar sayısı modelini modellerken, Poisson ile başladım, ancak aşırı dağılım olduğunu fark ettim. Bir Quasi-Poisson, temel Poisson'dan daha büyük ortalama varyans ilişkisini daha iyi modelledi, ancak katsayıların hem Poisson hem de Quasi-Poisson modellerinde aynı olduğunu fark ettim. Bu bir hata değilse, neden oluyor? Quasi-Poisson'u Poisson'a göre kullanmanın …

1
Ofsetleri olan Poisson rasgele efekt modellerinde aşırı dağılım ve modelleme alternatifleri
Denek içi bir deney kullanarak deneysel araştırmalardan elde edilen sayım verilerini modellerken bir dizi pratik soru ile karşılaştım. Denemeyi, verileri ve şimdiye kadar yaptığım şeyleri kısaca açıklıyorum, ardından sorularımı takip ediyorum. Katılımcıların bir örneğine sırayla dört farklı film gösterildi. Her filmden sonra, RQ (tahmin edilen sayım değişkeni) için ilgi çekici …

2
R'de lmer () ile Poisson GLMM'de aşırı dağılım nasıl test edilir?
Aşağıdaki modele sahibim: > model1<-lmer(aph.remain~sMFS1+sAG1+sSHDI1+sbare+season+crop +(1|landscape),family=poisson) ... ve bu özet çıktı. > summary(model1) Generalized linear mixed model fit by the Laplace approximation Formula: aph.remain ~ sMFS1 + sAG1 + sSHDI1 + sbare + season + crop + (1 | landscape) AIC BIC logLik deviance 4057 4088 -2019 4039 Random effects: …

2
Sayım verilerinin varyansının parametrik modellenmesi
Bazı verileri modellemek istiyorum, ancak ne tür bir model kullanabileceğimden emin değilim. Sayım verilerim var ve verilerin ortalaması ve varyansı için parametrik tahminler verecek bir model istiyorum. Yani, çeşitli tahmin faktörlerim var ve bunlardan herhangi birinin varyansı etkileyip etkilemediğini belirlemek istiyorum (sadece grup ortalamasını değil). Poisson regresyonunun işe yaramayacağını biliyorum, …

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.