«regression» etiketlenmiş sorular

Bu soru, buradaki yorumlardaki uzun tartışmadan esinlenmiştir: Doğrusal regresyon normal dağılımı nasıl kullanır? Her zamanki doğrusal regresyon modelinde, burada sadece tek bir öngörücü ile yazılmış basitlik için: burada x i bilinen sabitler ve ϵ i sıfır ortalama bağımsız hata terimleridir. Ayrıca hatalar için normal dağılımlar varsa, olağan en küçük kareler …

13 regression  normal-distribution  mathematical-statistics  maximum-likelihood  least-squares 

Kısmi bir F istatistiği nedir? Kısmi F testi ile aynı mı? Kısmi bir F istatistiğini ne zaman hesaplarsınız? Bunun regresyon modellerini karşılaştırmayla ilgili bir şey olduğunu varsayıyorum, ama bir şey takip etmiyorum (?)

13 regression  multiple-regression 

Bazı araştırmalar için Değişken Hatası modelinde bazı sözdizim verileri üzerinde çalışıyorum. Şu anda tek bir bağımsız değişkenim var ve bağımlı değişkenin gerçek değeri için varyansı bildiğimi varsayıyorum. Böylece, bu bilgilerle, bağımlı değişkenin katsayısı için tarafsız bir tahminci elde edebilirim. Model: y=0,5x-10+e2x~= x + e1x~=x+e1\tilde{x} = x + e_1 y= 0,5 …

13 regression  matlab  unbiased-estimator  errors-in-variables 

modelinde y=Xβ+ϵy=Xβ+ϵ{y} = X \beta + \epsilon, ββ\beta normal denklemini ： kullanarak tahmin edebiliriz β^=(X′X)−1X′y,β^=(X′X)−1X′y,\hat{\beta} = (X'X)^{-1}X'y,ve alabilir y =x p .y^=Xβ^.y^=Xβ^.\hat{y} = X \hat{\beta}. Artıkların vektörü şu şekilde tahmin edilir: ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,\hat{\epsilon} = y - X \hat{\beta} = (I - X (X'X)^{-1} X') y = Q y = Q (X …

13 regression  least-squares  inference 

Regresyon yaparken şu tanımdan geçersek: Kısmi olasılık, profil olasılığı ve marjinal olasılık arasındaki fark nedir? O, Maksimum Olabilirlik L'yi maksimuma çıkaran β ve θ'yı bulun (β, θ | data). Öte yandan, Marjinal Olasılık θ koşullu β'nun olasılık dağılımını belirleyebileceğimiz gerçeğinden yararlanarak θ olasılık denkleminden bütünleştiriyoruz. Hangisini en üst düzeye çıkarmak …

13 regression  maximum-likelihood 

Normalliği kontrol etmek için doğrusal bir modelin kalıntıları üzerinde bir Shapiro Wilk'un W testi ve Kolmogorov-Smirnov testi yapmak istiyorum. Sadece bunun için hangi artıkların kullanılması gerektiğini merak ediyordum - ham artıklar, Pearson kalıntıları, öğrenci kalıntıları veya standart kalıntılar? Shapiro-Wilk'un W testi için, ham & Pearson kalıntıları için sonuçlar aynıdır, ancak …

13 r  regression  residuals  normality-assumption  lm 

Genel olarak, daha yüksek mertebeden değişkenlerle regresyon takarken ortogonal polinomları kullanmamanın daha iyi olup olmadığını merak ediyorum. Özellikle, R kullanımı ile merak ediyorum: Eğer poly()ile raw = FALSEaynı donatılmış değerleri üretir poly()ile raw = TRUE, ve polyile raw = FALSEçözer polinom regresyonu ile ilgili sorunlardan dolayı, daha sonra gereken poly()ile …

13 r  regression  polynomial 

Arka fon Ben modelleri uydurma bir kursta ilk örneği anlamaya çalışıyorum (bu yüzden bu gülünç derecede basit görünebilir). Hesaplamaları elle yaptım ve örnekle eşleşiyorlar, ancak bunları R'de tekrarladığımda, model katsayıları kapalı. Ben fark nüfus kitaplığı ( ) kullanarak ders kitabı nedeniyle olabilir R ise örnek varyans ( ) kullanıyor olabilir …

13 r  regression  self-study  lm 

PLS regresyonu (tekli ) varsayımları hakkında bilgi bulmaya çalışıyorum . Özellikle PLS'nin OLS regresyonu ile ilgili varsayımlarının karşılaştırılması ile ilgileniyorum. yyy PLS konusunda çok sayıda literatür okudum / inceledim; Wold (Svante ve Herman), Abdi ve daha birçok makalenin makaleleri, ancak tatmin edici bir kaynak bulamadılar. Wold ve diğ. (2001) PLS-regresyon: …

13 regression  assumptions  partial-least-squares 

Doğrusal regresyon modelinde kullanılacak veri matrisini ölçeklendirme kavramını anlıyorum. Örneğin, R'de şunları kullanabilirsiniz: scaled.data <- scale(data, scale=TRUE) Tek sorum, çıktı değerlerini tahmin etmek istediğim yeni gözlemler için, bunlar nasıl doğru bir şekilde ölçeklendiriliyor? Olur scaled.new <- (new - mean(data)) / std(data)mu?

13 r  regression  prediction  scales 

Sabit terimi standart hatası ( β 0 olarak) y = β 1 x + β 0 + ε ile verilir S E ( β 0 ) 2 = σ 2 [ 1β^0β^0\hat{\beta}_0y=β1x+β0+εy=β1x+β0+εy=\beta_1x+\beta_0+\varepsilon ; buradaˉx,xi'lerinortalamasıdır.SE(β^0)2=σ2[1n+x¯2∑ni=1(xi−x¯)2]SE(β^0)2=σ2[1n+x¯2∑i=1n(xi−x¯)2]SE(\hat{\beta}_0)^2 = \sigma^2\left[\frac{1}{n}+\frac{\bar{x}^2}{\sum_{i=1}^n(x_i-\bar{x})^2}\right]x¯x¯\bar{x}xixix_i Anladığım kadarıyla, SE, numunelerin% 95'inde, aralık mesela senin uncertainty- rakamlarla gerçek içerecektir p 0 …

13 regression  interpretation  standard-error 

Doğrusal model , tahmini modelin OLS ile güzel bir geometrik yorumunu yapabiliriz: . , y'nin x'in kapsadığı boşluğa yansımasıdır ve artık , x'in kapsadığı boşluğa diktir.y=xβ+ey=xβ+ey=x\beta+ey^=xβ^+e^y^=xβ^+e^\hat{y}=x\hat{\beta}+\hat{e}y^y^\hat{y}e^e^\hat{e} Şimdi sorum şu: Genelleştirilmiş doğrusal modelin (lojistik regresyon, Poission, survival) herhangi bir geometrik yorumu var mı? Tahmin edilen ikili lojistik regresyon modelinin doğrusal modele …

13 regression  model  geometry 

Sıradan En Küçük Kareler yerine Maksimum Olabilirlik Tahminini kullanmak ne zaman tercih edilir? Her birinin güçlü yönleri ve sınırlamaları nelerdir? Her birinin ortak durumlarda nerede kullanılacağı konusunda pratik bilgiler toplamaya çalışıyorum.

13 regression  maximum-likelihood  least-squares 

Doğrusal regresyonda, , neden tasarım matrisi olarak adlandırılır? Can tasarlanmış veya sanatta olduğu gibi bir dereceye kadar keyfi yapılabilir?Y=XβY=XβY= X\betaXXXXXX

13 regression  terminology 

Teorik olarak üstel olarak ilişkili ve değerleri bir dizi var :xxxyyy y=axby=axby = ax^b Katsayıları elde etmenin bir yolu, her iki tarafa doğal logaritmalar uygulamak ve doğrusal bir model yerleştirmektir: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Bunu elde etmenin bir başka yolu, teorik bir …

13 r  regression  linear-model  model-selection  nonlinear-regression