«panel-data» etiketlenmiş sorular

Ekonometride "rastgele etki modelinin" ekonometri dışında "rastgele engelli karma bir model" e karşılık geldiğini düşünmüştüm, ama şimdi emin değilim. Yapar? Ekonometri, "sabit efektler" ve "rastgele efektler" gibi terimleri karma modellerle ilgili literatürden biraz farklı kullanır ve bu kötü bir kafa karışıklığına neden olur. Bize basit bir durum düşünelim doğrusal bağlıdır …

56 mixed-model  econometrics  panel-data  lme4-nlme  plm 

Boyuna tasarım ile zaman serisi arasındaki farklar nelerdir?

35 time-series  panel-data 

Standart "kümeleme" hatasını ve R'de nasıl çalıştırılacağını anlamaya çalışıyorum (Stata'da önemsiz). RI'de ya plmkendi işlevimi kullanmakta ya da yazmakta başarısız oldum. diamondsVeriyi ggplot2paketten kullanacağım . Her iki değişkenle de sabit efektler yapabilirim > library(plyr) > library(ggplot2) > library(lmtest) > library(sandwich) > # with dummies to create fixed effects > fe.lsdv …

33 r  panel-data  standard-error  fixed-effects-model  clustered-standard-errors 

Umarım hepiniz bu soruyu umursamazsınız, ancak R'de öğrenmeye çalıştığım doğrusal karışık efektler model çıktısı için çıktı yorumlamada yardıma ihtiyacım var. Boyuna veri analizi ve doğrusal karışık etkiler regresyonunda yeniyim. Zaman öngörücüsü olarak haftalarla donattığım bir modelim var ve sonuç olarak da bir iş bulma kursum var. Haftaları (zamanları) ve çeşitli …

28 r  mixed-model  interpretation  panel-data 

GAM kullandığımda, artık DF (kodun son satırı) olduğunu gösteriyor. Bu ne anlama geliyor? GAM örneğinin ötesine geçmek, Genel olarak, serbestlik derecelerinin sayısı tam sayı olmayan bir sayı olabilir mi?26,626,626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

R ve kml paketini kullanarak boylamsal verileri kümelemeye çalışırken veri analizi yaptım . Verilerim yaklaşık 400 ayrı yörünge içerir (makalede adı geçen). Sonuçlarımı aşağıdaki resimde görebilirsiniz: Bölüm 2.2 'yi okuduktan sonra, ilgili makalede "Optimum sayıda küme seçmek", hiçbir cevap alamadım. 3 kümeye sahip olmayı tercih ederdim ama sonuç hala 80'lik …

25 r  clustering  panel-data 

Temel bileşen analizi (PCA) yaptıktan sonra, PCA alanına yeni bir vektör yansıtmak istiyorum (yani PCA koordinat sistemindeki koordinatlarını bulmak). PCA'yı R dilinde kullanarak hesapladım prcomp. Şimdi vektörümü PCA dönme matrisi ile çarpabilmeliyim. Bu matristeki temel bileşenler satır veya sütunlar halinde mi düzenlenmelidir?

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Verilerin mülkiyeti konusunda özel olduğu için spesifik olamam, ancak bunun gibi verilerimiz olduğunu varsayalım: Her ay, bazı insanlar bir hizmete kaydoluyor. Daha sonra, sonraki her ay, bu kişiler hizmeti yükseltebilir, hizmeti durdurabilir veya hizmeti reddedebilir (örn. Ödeme başarısızlığı nedeniyle). Verilerimizdeki en erken grup için yaklaşık 2 yıllık veri (24 ay) …

20 panel-data  splines  mars 

İki zaman dilimi ile farklılık modelinde bir fark tahmin ettiğimde, eşdeğer regresyon modeli a. Yist=α+γs∗Treatment+λdt+δ∗(Treatment∗dt)+ϵistYist=α+γs∗Treatment+λdt+δ∗(Treatment∗dt)+ϵistY_{ist} = \alpha +\gamma_s*Treatment + \lambda d_t + \delta*(Treatment*d_t)+ \epsilon_{ist} burada 1'e eşit olduğu bir kukla olan gözlem muamele grubundan iseTreatmentTreatmentTreatment ve , tedavinin gerçekleşmesinden sonraki zaman diliminde 1'e eşit bir kukladır.ddd Böylece denklem aşağıdaki değerleri …

20 regression  modeling  econometrics  panel-data  difference-in-difference 

bağlam Bu soru R kullanır, ancak genel istatistiksel konularla ilgilidir. Ölüm faktörlerinin (hastalık ve parazitliğe bağlı ölüm yüzdesi) zaman içinde güve popülasyonu büyüme hızı üzerindeki etkilerini analiz ediyorum, burada larva popülasyonları 8 yıl boyunca yılda bir kez 12 bölgeden örneklendi. Nüfus artış hızı verileri zaman içinde net fakat düzensiz döngüsel …

17 model-selection  autocorrelation  residuals  panel-data  spatio-temporal 

Uzunlamasına verilerden bahsederken, aynı özne / çalışma biriminden zaman içinde tekrar tekrar toplanan verilere başvurabiliriz, bu nedenle aynı özne içindeki gözlemler için, yani özne içi benzerlik için korelasyonlar vardır. Zaman serisi verileri hakkında konuşurken, bir süre boyunca toplanan verilere de atıfta bulunuyoruz ve yukarıda belirtilen uzunlamasına ayara çok benziyor. Birinin …

17 time-series  terminology  panel-data 

Merhaba istatistiksel gurular ve R programlama sihirbazları, Hayvan yakalamalarını çevresel koşulların ve yılın gününün bir fonksiyonu olarak modellemekle ilgileniyorum. Başka bir çalışmanın parçası olarak, üç yıl içinde ~ 160 gün boyunca yakalama sayım var. Bu günlerin her birinde sıcaklık, yağış, rüzgar hızı, bağıl nem vb. Var. Veriler aynı 5 parselden …

16 r  mixed-model  autocorrelation  bugs  panel-data 

Permütasyon testleri (randomizasyon testi, yeniden randomizasyon testi veya kesin test olarak da adlandırılır) çok faydalıdır ve örneğin normal dağıtım varsayımı t-testkarşılanmadığında ve değerlerin parametrik olmayan test Mann-Whitney-U-test, daha fazla bilginin kaybolmasına neden olur. Bununla birlikte, bu tür bir test kullanılırken bir ve sadece bir varsayım göz ardı edilmemelidir, örneklerin sıfır …

16 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Gradyan arttırıcı makine algoritmasını caretR'deki paket üzerinden deniyorum. Küçük bir kolej veri kümesi kullanarak, aşağıdaki kodu koştu: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- "yes" ### Gradient boosting machine algorithm. ### set.seed(123) fitControl <- trainControl(method = …

15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

Karışık efekt modellerine (MEM) oldukça aşinayım, ancak bir meslektaşım kısa bir süre önce gizli büyüme modelleri (LGM) ile nasıl karşılaştırıldığını sordu. Biraz googling yaptım ve LGM'nin, en az bir rastgele etkinin her düzeyinde tekrarlanan önlemlerin alındığı koşullara uygulanan, böylece Zamanı modelde sabit bir etki yapan yapısal denklem modellemesinin bir varyantı …

15 mixed-model  panel-data