«regression» etiketlenmiş sorular

Uygulamada, lineer regresyon katsayısının önemini kontrol etmek için standart bir T testi kullanmak yaygın bir uygulamadır. Hesaplamanın mekaniği bana mantıklı geliyor. T-dağılımı neden doğrusal regresyon hipotez testinde kullanılan standart test istatistiğini modellemek için kullanılabilir? Standart test istatistiği Burada atıfta bulunuyorum: T0=βˆ−β0SE(βˆ)T0=β^−β0SE(β^) T_{0} = \frac{\widehat{\beta} - \beta_{0}}{SE(\widehat{\beta})}

17 regression  hypothesis-testing  linear-model  t-distribution 

Birkaç farklı toplama teknikleri arasında karşılaştırmaya çalıştığım balık yoğunluğu verileri var, veriler çok sayıda sıfır var ve histogram yoğunlukları tamsayı olmadığı dışında bir poisson dağılımı için uygun vaugley görünüyor. GLM'ler için nispeten yeniyim ve son birkaç günü hangi dağıtımın kullanılacağını nasıl anlayacağımı öğrenmek için çevrimiçi olarak geçirdim, ancak bu kararı …

17 regression  distributions  generalized-linear-model  link-function 

Diyelim ki bazı verilerim var ve sonra verileri bir modelle (doğrusal olmayan regresyon) sığdırıyorum. Sonra R-karesini ( ) hesaplıyorum .R2R2R^2 R kare negatif olduğunda, bu ne anlama geliyor? Bu, modelimin kötü olduğu anlamına mı geliyor? aralığının [-1,1] olabileceğini biliyorum . Ne zaman ortalama bunu da ne, 0 mı?R 2R2R2R^2R2R2R^2

17 regression  goodness-of-fit  r-squared  curve-fitting 

Bir grup insan bir soruyu cevaplar. Cevap "evet" veya "hayır" olabilir. Araştırmacı, yaşın cevap türü ile ilişkili olup olmadığını bilmek istiyor. İlişki, yaşın açıklayıcı değişken olduğu ve cevap tipinin (evet, hayır) bağımlı değişken olduğu lojistik regresyon yapılarak değerlendirildi. Sırasıyla, "evet" ve "hayır" yanıtını veren grupların ortalama yaşlarını hesaplayarak ve ortalamaları …

17 regression  logistic  t-test 

Birkaç gün önce, bir psikolog araştırmacım bana doğrusal regresyon modeline değişken seçme yöntemini anlattı. Sanırım iyi değil, ama emin olmak için bir başkasına sormam gerekiyor. Yöntem: Tüm değişkenler (Bağımlı Değişken Y dahil) arasındaki korelasyon matrisine bakın ve X'leri en çok Y ile ilişkilendiren bu yordayıcıları seçin. Herhangi bir kriterden bahsetmedi. …

17 regression  correlation  model-selection 

R'de tarih biçimindeki değişkenleri kullanmaya alışkın değilim. Doğrusal regresyon modelinde açıklayıcı değişken olarak bir tarih değişkeni eklemenin mümkün olup olmadığını merak ediyorum. Mümkünse, katsayıyı nasıl yorumlayabiliriz? Bir günün sonuç değişkeni üzerindeki etkisi mi? Yapmaya çalıştığım bir örnekle özlemimi görün .

17 r  regression  time-series 

Hastie ve ark. Tarafından yayınlanan "İstatistiksel Öğrenme Veri Madenciliği, Çıkarım ve Tahmin Öğeleri" kitabındaki spline'ları öğreniyorum. 145. sayfada Doğal kübik kamaların sınır düğümlerinin ötesinde doğrusal olduğunu buldum. Orada knot, içinde spline'lar ve şu kitapta böyle bir spline hakkında bilgi verilmektedir.Karsılık 1 , ξ 2 , . . . ξ KKKKξ1,ξ2,...ξKξ1,ξ2,...ξK\xi_1, …

17 regression  degrees-of-freedom  splines  constraint  cubic 

Adım fonksiyonunu kullanarak R adım adım ve geriye doğru regresyon arasındaki temel farkı anlamaya çalışıyorum. Kademeli regresyon için aşağıdaki komutu kullandım step(lm(mpg~wt+drat+disp+qsec,data=mtcars),direction="both") Yukarıdaki kod için aşağıdaki çıktı var. Geriye doğru değişken seçimi için aşağıdaki komutu kullandım step(lm(mpg~wt+drat+disp+qsec,data=mtcars),direction="backward") Ve geri için aşağıdaki çıktıyı aldım Anladığım kadarıyla, hiçbir parametre belirtilmediğinde, R'de "üst" …

17 r  regression 

Doğrusal olmayan regresyon hakkındaki istatistiksel literatür için iyi bir derleme makalesi bilen var mı? Öncelikle tutarlılık sonuçları ve asimtotik ile ilgileniyorum. Özellikle ilgi çekici olan model yit=m(xit,θ)+ϵit,yit=m(xit,θ)+ϵit,y_{it} = m(x_{it},\theta) + \epsilon_{it}, panel verileri için. Parametrik olmayan yöntemler daha az ilgi çekicidir. Dergilere bakmak için öneriler de memnuniyetle karşılanmaktadır. Şu anda …

17 regression  references  nonlinear-regression 

Regresyonda sıfır modeli nedir ve sıfır modeli ile sıfır hipotezi arasındaki ilişki nedir? Anladığım için, bu demek oluyor Sürekli yanıt değişkenini tahmin etmek için "yanıt değişkeninin ortalaması" mı kullanıyorsunuz? Ayrık yanıt değişkenlerini tahmin etmede "etiket dağıtımı" mı kullanıyorsunuz? Bu durumda, sıfır hipotezi arasındaki bağlantıların eksik olduğu görülmektedir.

16 regression  hypothesis-testing  classification  terminology  model 

Standart bir OLS regresyon problemini düşünün\newcommand{\Y}{\mathbf Y}\newcommand{\X}{\mathbf X}\newcommand{\B}{\boldsymbol\beta}\DeclareMathOperator*{argmin}{argmin}YY\YXX\Xββ\BΒ = argmin β { L } = ( x ⊤ X ) + X ⊤ Y .L=∥Y−Xβ∥2.L=‖Y−Xβ‖2.L=\|\Y-\X\B\|^2.β^=argminβ{L}=(X⊤X)+X⊤Y.β^=argminβ⁡{L}=(X⊤X)+X⊤Y.\hat\B=\argmin_\B\{L\} = (\X^\top\X)^+\X^\top \Y. Ben aynı zamanda bir "ters" Sorun oluşturabilir: Verilen YY\Y ve β∗β∗\B^* bulmak X^X^\hat\X doğuracak β^≈β∗β^≈β∗\hat\B\approx \B^* , yani minimize edecek ∥argminβ{L}−β∗∥2‖argminβ⁡{L}−β∗‖2\|\argmin_\B\{L\}-\B^*\|^2 . …

16 regression  least-squares  ridge-regression 

LASSO regresyonunu açıklarken, genellikle bir elmas ve dairenin diyagramı kullanılır. LASSO'daki kısıtlamanın şekli bir elmas olduğu için, elde edilen en küçük kareler çözeltisinin, bazı değişkenlerin büzülmesine yol açacak şekilde elmasın köşesine dokunabileceği söylenir. Bununla birlikte, sırt regresyonunda, bir daire olduğu için, genellikle eksene dokunmaz. Neden eksene temas edemediğini veya bazı …

16 regression  lasso  ridge-regression 

Y ve X1, X2 arasındaki ilişkileri tanımlamak için çoklu doğrusal regresyon kullanıyorum. Teoriden, çoklu regresyonun Y ile X'in her biri (Y ve X1, Y ve X2) arasında doğrusal ilişkiler olduğunu varsaydım. X'in herhangi bir dönüşümünü kullanmıyorum. Böylece modeli R = 0.45 ve tüm anlamlı X ile aldım (P <0.05). Sonra …

16 regression  multiple-regression  python  linear 

Standart Pearson Kalıntılarının geleneksel olasılıklarla elde edildiğini biliyorum: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} ve Sapma Kalıntıları daha istatistiksel bir yolla elde edilir (her noktanın olasılığa katkısı): di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} burada ise 1 = 1 = ise = -1 = 0.sisis_iyiyiy_isisis_iyiyiy_i Bana, sezgisel olarak, …

16 regression  logistic  generalized-linear-model  residuals  deviance 

Ridge regresyon tahminleri parametreleri doğrusal bir model içinde ile burada \ lambda bir düzenleme parametresidir. İlişkili pek çok yordayıcı olduğunda genellikle OLS regresyonundan ( \ lambda = 0 ile ) daha iyi performans gösterdiği iyi bilinmektedir .y = x β β λ = ( X ⊤ x + λ I …

16 regression  ridge-regression  shrinkage