«poisson-regression» etiketlenmiş sorular

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 …

15 generalized-linear-model  poisson-regression  overdispersion  quasi-likelihood 

Diyelim ki bağımsız veY =( Y1, … , Yn)'Y=(Y1,…,Yn)′ \textbf{Y} = (Y_1, \dots, Y_n)' Yben= 0Yben= kolasılıkla p ben+ ( 1 - pben) e- λbenolasılıkla ( 1 - p ben) e- λbenλkben/ k!Yi=0with probability pi+(1−pi)e−λiYi=kwith probability (1−pi)e−λiλik/k!\eqalign{ Y_i = 0 & \text{with probability} \ p_i+(1-p_i)e^{-\lambda_i}\\ Y_i = k & \text{with …

14 poisson-regression  zero-inflation 

Kapalı. Bu soru konu dışı . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Sorunuzu güncelleyin o yüzden -konu üzerinde Çapraz doğrulanmış için. 5 yıl önce kapalı . Call: glm(formula = darters ~ river + pH + temp, family = poisson, data = darterData) Deviance Residuals: Min 1Q …

14 self-study  generalized-linear-model  interpretation  poisson-regression 

Poisson regresyonunun bir hata terimi olup olmadığını merak ediyordum. Poisson regresyonunun rastgele etkileri ve hata terimi olabilir mi? Bu konuda kafam karıştı. Lojistik regresyonda, sonuç değişkeniniz ikili olduğu için hata terimi yoktur. Artık terimi olmayan tek glm modeli mi?

14 regression  mixed-model  generalized-linear-model  poisson-regression 

Model kullanarak ayar yapıyordum caret, ancak gbmpaketi kullanarak modeli yeniden çalıştırıyorum . Anladığım kadarıyla caretpaketin kullandığı gbmve çıktı aynı olmalı. Bununla birlikte, sadece hızlı bir test çalıştırması data(iris), değerlendirme metriği olarak RMSE ve R ^ 2 kullanılarak modelde yaklaşık% 5 tutarsızlık gösterir. Kısmi bağımlılık grafiklerini kullanmak için en iyi model …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

1 yanıt değişkeni ve 6 ortak değişkenle bir Poisson Regresyon modeli gerçekleştiriyorum. AIC kullanılarak model seçimi, 6 değişken terimin yanı sıra tüm değişkenlere sahip bir model ile sonuçlanır. Ancak BIC, sadece 2 ortak değişkenli ve etkileşim terimi olmayan bir model ile sonuçlanır. Çok benzer görünen iki kriterin tamamen farklı model …

12 model-selection  aic  poisson-regression  bic 

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?

12 regression  negative-binomial  poisson-regression  overdispersion  quasi-likelihood 

Ben karşılaştırarak (ve farkını alarak) benim modelinde iki faktör düzeyleri arasında tahmin edilen ortalama sayımlar sonu hedefi olan bir Poisson regresyon yerine getiriyorum: , tutma sırasında diğer model ortak değişkenler (hepsi ikili) sabittir. Herkes ne zaman bir günlük bağlantısı kimlik kimlik karşı kullanılacağı konusunda bazı pratik tavsiyeler verebilir olmadığını merak …

12 logistic  poisson-regression  link-function 

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 …

12 r  count-data  poisson-regression  overdispersion  quasi-likelihood 

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 …

12 generalized-linear-model  negative-binomial  glmm  poisson-regression  overdispersion 

Regresyonun verilerime en uygun olanını test etmek istiyorum. Bağımlı değişkenim bir sayıdır ve çok sayıda sıfır vardır. Hangi modeli ve aileyi kullanacağımı (poisson veya quasipoisson veya sıfır şişirilmiş poisson regresyonu) ve varsayımların nasıl test edileceğini belirlemek için biraz yardıma ihtiyacım var. Poisson Regresyonu: anladığım kadarıyla, güçlü varsayım, bağımlı değişkenin ortalama …

11 r  count-data  zero-inflation  poisson-regression 

mgcvİçin paket Rtensör ürün etkileşimleri uydurma için iki işlevi vardır: te()ve ti(). İkisi arasındaki temel işbölümünü anlıyorum (doğrusal olmayan bir etkileşime uymak ve bu etkileşimi ana etkilere ve etkileşime ayırmak). Anlamadığım şey neden te(x1, x2)ve ti(x1) + ti(x2) + ti(x1, x2)(biraz) farklı sonuçlar üretebilir. MWE (uyarlanmıştır ?ti): require(mgcv) test1 <- …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

İstatistiklere biraz girmeye çalışıyorum, ama bir şeye sıkıştım. Verilerim aşağıdaki gibidir: Year Number_of_genes 1990 1 1991 1 1993 3 1995 4 Şimdi verilere dayanarak herhangi bir yıl için gen sayısını tahmin edebilmek için bir regresyon modeli oluşturmak istiyorum. Şimdiye kadar doğrusal regresyon ile yaptım, ama biraz okuma yaptım ve bu …

10 regression  count-data  poisson-regression 

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 

Tasarlanmış bir deneyden göz izleme verilerini analiz ediyorum. Verilerimin basitleştirilmiş bir sürümü şuna benzer (dput () verilerini buradan alabilirsiniz ), head(lookDATA) participant fixationImage fixationCount 1 9 Automobile 81 2 9 Bird 63 3 9 Chair 82 4 9 Dog 64 5 9 Face 90 6 9 Plant 75 burada katılımcı …

10 r  mixed-model  poisson-regression  lsmeans  lme4-nlme