«regression-coefficients» etiketlenmiş sorular

[Benzer bir soru sorulmuştur burada cevapsız] L1 regülasyonlu (Kement lojistik regresyonu) bir lojistik regresyon modeline uydum ve takılan katsayıları önem açısından test etmek ve p değerlerini almak istiyorum. Wald'ın testlerinin (örneğin), bireysel katsayıların önemini düzenli olarak tam regresyonda test etmek için bir seçenek olduğunu biliyorum, ancak Kement ile olağan Wald …

10 logistic  statistical-significance  regression-coefficients  lasso 

Her şeyden önce bu forumda biraz araştırma yaptım ve çok benzer sorular sorulduğunu biliyorum , ancak genellikle doğru cevaplanmadılar veya bazen cevap anlayabileceğim kadar ayrıntılı değil. Yani bu kez sorum şu: İki veri setim var, her birinde, böyle bir polinom regresyonu yapıyorum: Ratio<-(mydata2[,c(2)]) Time_in_days<-(mydata2[,c(1)]) fit3IRC <- lm( Ratio~(poly(Time_in_days,2)) ) Polinom …

10 r  regression  statistical-significance  regression-coefficients  group-differences 

Bazı gerçek dünya verileri ile çalışıyorum ve regresyon modelleri bazı mantıksız sonuçlar veriyor. Normalde istatistiklere güvenirim ama gerçekte bunlardan bazıları doğru olamaz. Gördüğüm temel sorun, bir değişkendeki artışın, gerçekte, negatif olarak ilişkilendirilmeleri gerektiğinde, yanıtta bir artışa neden olmasıdır. Regresyon katsayılarının her biri için belirli bir işareti zorlamanın bir yolu var …

10 r  regression  regression-coefficients  computational-statistics 

İki regresyon eğimini karşılaştırmam gerekiyor: $ y_1 ~ a + b_1x y_2 ~ a + b_2x $ B1 ve b2'yi nasıl karşılaştırabilirim? Veya kemirgenlerdeki özel örneğimin dilinde, karşılaştırmak istiyorum antero-posterior diameter ~ a + b1 * humeral length de naso-occipital length ~ a + b2 * humeral length

10 regression  regression-coefficients 

Bir marjinal modeli her bir kümenin içinde korelasyon oluşturuyor. Bir koşullu modeli de dikkate her kümedeki korelasyonu alır. Sorularım: Marjinal bir model bir popülasyondaki ana etkileri modellerken, bir koşullu model bir küme ve bir popülasyondaki temel etkileri modeller mi? Marjinal bir modelin katsayılarının yorumlanması temelde "normal model" ile aynıdır. Peki …

10 repeated-measures  interpretation  regression-coefficients  marginal-model 

Benim durumum: Basit doğrusal regresyon için artıklarını normalleştirmek üzere logaritmik olarak dönüştürdüğüm 1 sürekli bağımlı ve 1 sürekli yordayıcı değişkenim var. Bu dönüştürülmüş değişkenleri orijinal bağlamlarıyla nasıl ilişkilendirebileceğim konusunda her türlü yardımı takdir ediyorum. 2011'de kaçırdıkları gün sayısına göre 2011'de öğrencilerin okula gitmedikleri gün sayısını tahmin etmek için doğrusal bir …

10 regression  data-transformation  regression-coefficients  logarithm 

Bu sadece birkaç kez karşılaştığım bir örnektir, bu yüzden örnek verilerim yok. R'de doğrusal regresyon modeli çalıştırmak: a.lm = lm(Y ~ x1 + x2) x1sürekli bir değişkendir. x2kategoriktir ve üç değeri vardır, örneğin "Düşük", "Orta" ve "Yüksek". Bununla birlikte, R tarafından verilen çıktı aşağıdaki gibi olacaktır: summary(a.lm) Estimate Std. Error …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Ben yaklaşık 5.000 ile ilişkili özellikleri / ortak değişkenleri ve ikili bir yanıt ile bir veri kümesi var. Veriler bana verildi, ben toplamadım. Modeller oluşturmak için Kement ve gradyan güçlendirme kullanıyorum. Yinelenen, iç içe çapraz doğrulamayı kullanıyorum. Lasso'nun en büyük (mutlak) 40 katsayısını ve degrade artırılmış ağaçlardaki en önemli 40 …

9 machine-learning  multiple-comparisons  regression-coefficients  lasso  high-dimensional 

Örnekler: İş tanımında bir cümle var: "İngiltere'de Java kıdemli mühendisi". Derin bir öğrenme modelini 2 kategori olarak tahmin etmek istiyorum: English ve IT jobs. Geleneksel sınıflandırma modeli kullanırsam, sadece softmaxson katmanda işlevli 1 etiket tahmin edebilir . Bu nedenle, her iki kategoride "Evet" / "Hayır" ı tahmin etmek için 2 …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Çeşitli sonuçları tahmin etmek için çoklu regresyon uyguladıkları bir makalenin sonuçlarını yorumlamaya çalışıyorum. Ancak 's ( olarak tanımlanan standartlaştırılmış katsayılar , burada bağımlı değişken ve bir öngörücüdür) bildirilen rapor edilen eşleşmiyor gibi görünüyor :ββ\betaβx1=Bx1⋅S Dx1S Dyβx1=Bx1⋅SDx1SDy\beta_{x_1} = B_{x_1} \cdot \frac{\mathrm{SD}_{x_1}}{\mathrm{SD}_y}yyyx1x1x_1R,2R2R^2 Rağmen 've s -0,83, -0.29, -0.16, -0.43, 0.25, ve -0.29, …

9 regression  regression-coefficients  multicollinearity  r-squared 

Olarak , bu kağıt , ( Varyans Bileşenleri Bayes Çıkarım tezat teşkil hata sadece kullanarak , yazar istemlerde Harville, 1974) "iyi bilinen" ilişki ", doğrusal bir regresyon için burada (y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y-X\beta)'H^{-1}(y-X\beta)=(y-X\hat\beta)'H^{-1}(y-X\hat\beta)+(\beta-\hat\beta)'(X'H^{-1}X)(\beta-\hat\beta)y=Xβ+ϵ,y=Xβ+ϵ,y=X\beta+\epsilon,ϵ∼N(0,H).ϵ∼N(0,H).\epsilon\sim\mathcal{N}(0, H). Bu nasıl biliniyor? Bunu kanıtlamanın en basit yolu nedir?

9 regression  regression-coefficients  heteroscedasticity  bias  linear-algebra 

İşte kullandığım Coxph-modelinin özet çıktısı (R kullandım ve çıktı en iyi son modele dayanıyor, yani tüm önemli açıklayıcı değişkenler ve etkileşimleri dahil): coxph(formula = Y ~ LT + Food + Temp2 + LT:Food + LT:Temp2 + Food:Temp2 + LT:Food:Temp2) # Y<-Surv(Time,Status==1) n = 555 coef exp(coef) se(coef) z Pr(>|z|) LT …

9 r  interaction  regression-coefficients  cox-model 

R kullanarak, sürekli ve ayrık öngörücülerin bir karışımından tek bir yanıt değişkeni için doğrusal bir model yerleştirdim. Bu uber-temel, ama ayrık bir faktör için bir katsayının nasıl çalıştığını kavramada sorun yaşıyorum. Kavram: Açıkçası, sürekli değişken 'x' katsayısı formda uygulanır, y = coefx(varx) + interceptancak faktör sayısal değilse bu bir faktör …

9 linear-model  regression-coefficients  contrasts