«quasi-likelihood» etiketlenmiş sorular

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 …

30 r  generalized-linear-model  binomial  overdispersion  quasi-likelihood 

Genelleştirilmiş doğrusal modelleri aşırı dağılmış olabilir veya olmayabilir saymak veri bazı kümeleri uydurmaya çalışıyorum. Burada geçerli olan iki kanonik dağılım, EV ve varyans ile Poisson ve Negatif Binom (Negbin)μμ\mu Va rP= μVbirrP=μVar_P = \mu Va rN-B= μ + μ2θVbirrN-B=μ+μ2θVar_{NB} = \mu + \frac{\mu^2}{\theta} glm(..,family=poisson)ve glm.nb(...)sırasıyla R kullanılarak takılabilir . quasipoissonAnladığım …

21 r  generalized-linear-model  negative-binomial  poisson-regression  quasi-likelihood 

Soru (lar): Yarı maksimum olabilirlik tahmininin (QMLE; sözde maksimum olabilirlik tahmini, PMLE olarak da bilinir) arkasındaki fikir ve sezgi nedir? Gerçek hata dağılımı varsayılan hata dağılımıyla eşleşmediğinde tahmincinin çalışmasını sağlayan nedir? Vikipedi sitesi QMLE için (noktaya kısa, sezgisel,) iyi, ama biraz daha sezgi ve ayrıntı, belki de bir çizim kullanabilirsiniz. …

17 maximum-likelihood  references  intuition  quasi-likelihood 

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 …

16 count-data  poisson-regression  overdispersion  quasi-likelihood 

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 

Bildiğim kadarıyla, lojistik model ile kesirli yanıt modeli (frm) arasındaki fark, frm'nin [0,1], ancak lojistiğin {0, 1} olduğu bağımlı değişkenin (Y) olmasıdır. Ayrıca frm, parametrelerini belirlemek için yarı olabilirlik tahmincisini kullanır. Normalde, glmlojistik modelleri elde etmek için kullanabiliriz glm(y ~ x1+x2, data = dat, family = binomial(logit)). Frm için, değiştirmek …

13 r  logistic  generalized-linear-model  quasi-likelihood 

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 

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