Pertanyaan yang diberi tag «causality»

Apakah mungkin untuk memiliki variabel yang bertindak sebagai pengubah efek (pengukuran) dan perancu untuk pasangan asosiasi risiko-hasil tertentu? Saya masih sedikit tidak yakin dengan perbedaan itu. Saya telah melihat notasi grafis untuk membantu saya memahami perbedaannya tetapi perbedaan dalam notasi membingungkan. Penjelasan grafis / visual dari keduanya dan kapan mereka …

10 interaction  causality  confounding 

Saya memiliki GLMM formulir: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Ketika saya menggunakan drop1(model, test="Chi"), saya mendapatkan hasil yang berbeda daripada jika saya menggunakan Anova(model, type="III")dari paket mobil atau summary(model). Dua yang terakhir ini memberikan jawaban yang sama. Menggunakan banyak data yang …

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 

Saya punya pertanyaan tentang pendekatan perbedaan-dalam-perbedaan dengan persamaan standar berikut: mana perlakuan adalah variabel dummy untuk grup dan pos yang dirawat. y=a+b1treat+b2post+b3treat⋅post+uy=a+b1treat+b2post+b3treat⋅post+u y= a + b_1\text{treat}+ b_2\text{post} + b_3\text{treat}\cdot\text{post} + u Sekarang, pertanyaan saya sederhana: Mengapa sebagian besar makalah masih menggunakan variabel kontrol tambahan? Saya pikir jika asumsi tren paralel …

10 regression  multiple-regression  causality 

Ini hanya contoh yang saya temui beberapa kali, jadi saya tidak punya data sampel. Menjalankan model regresi linier di R: a.lm = lm(Y ~ x1 + x2) x1adalah variabel kontinu. x2bersifat kategorikal dan memiliki tiga nilai, mis. "Rendah", "Sedang" dan "Tinggi". Namun output yang diberikan oleh R akan menjadi seperti: …

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 

Pemahaman saya adalah bahwa bahkan regresi tidak memberikan hubungan sebab akibat. Itu hanya dapat memberikan hubungan antara variabel y dan variabel x dan mungkin arah. Apakah saya benar? Saya sering menemukan frasa yang mirip dengan "x prediksi y" bahkan di sebagian besar buku pelajaran dan pada berbagai halaman kursus online. …

9 regression  logistic  predictive-models  terminology  causality 

Saya mencoba memperkirakan efek pengobatan rata-rata dari data pengamatan menggunakan bobot skor kecenderungan (khususnya IPTW). Saya pikir saya menghitung ATE dengan benar, tetapi saya tidak tahu bagaimana menghitung interval kepercayaan ATE sambil memperhitungkan bobot skor kecenderungan terbalik. Inilah persamaan yang saya gunakan untuk menghitung efek pengobatan rata-rata (referensi Stat Med. …

9 r  survey  causality  propensity-scores  observational-study 

Saya sibuk dengan pemodelan ARIMA ditambah dengan variabel eksogen untuk tujuan pemodelan promosi dan saya sulit menjelaskannya kepada pengguna bisnis. Dalam beberapa kasus paket perangkat lunak berakhir dengan fungsi transfer sederhana yaitu parameter * Variabel Eksogen. Dalam hal ini interpretasinya mudah yaitu kegiatan promosi X (diwakili oleh variabel biner eksogen) …

9 time-series  data-visualization  forecasting  arima  causality 

Saat ini saya sedang membaca karya Pearl (Pearl, 2009, 2nd edition) tentang hubungan sebab akibat dan perjuangan untuk membangun hubungan antara identifikasi nonparametrik dari suatu model dan estimasi aktual. Sayangnya, Pearl sendiri sangat diam tentang topik ini. Untuk memberikan contoh, saya memiliki model sederhana dalam pikiran dengan jalur kausal, , …

9 estimation  references  causality 

Tugas acak sangat berharga karena memastikan independensi pengobatan dari hasil yang potensial. Itulah bagaimana hal itu mengarah pada perkiraan yang tidak bias dari efek pengobatan rata-rata. Tetapi skema penugasan lain juga dapat secara sistematis memastikan independensi pengobatan dari hasil yang potensial. Jadi mengapa kita perlu penugasan acak? Dengan kata lain, …

9 econometrics  experiment-design  causality  instrumental-variables  random-allocation 

Setelah kami menunjukkan bahwa dua kuantitas berkorelasi, bagaimana kita menyimpulkan bahwa hubungan itu kausal? Dan selanjutnya yang mana yang menyebabkan apa? Sekarang dalam teori kita dapat menggunakan "tugas acak" (apa pun kata yang tepat), untuk memutus ikatan kecelakaan yang mungkin ada di antara dua variabel. Tetapi dalam beberapa kasus ini …

9 correlation  causality 

Biarkan dan menjadi variabel acak. adalah mean bersyarat dari diberikan . Kami mengatakan tidak terkait dengan jika tidak bergantung pada , yang berarti sama dengan . Sekarang, mari kita ikuti definisi kausalitas ini sebentar. Menurut hukum ekspektasi berulang, . Ini berarti bahwa jika tidak bergantung pada , jika itu sama …

9 econometrics  causality  conditional-expectation 

\newcommand{\P}{\mathbb{P}} Saya prihatin dengan data pengamatan di mana tugas perawatan dapat dijelaskan dengan sangat baik. Misalnya, regresi logistik P (A=1 | X) = ( 1 + exp( - ( Xβ) ))- 1P(SEBUAH=1|X)=(1+exp⁡(-(Xβ)))-1\P(A =1 |X) = (1+ \exp(-(X\beta)))^{-1} wehre tugas perawatan dan kovariat sangat cocok dengan tes sangat tinggi atau bahkan …

8 missing-data  causality  propensity-scores  survey-weights 

Pembelajaran Statistik dan hasilnya saat ini meresap dalam Ilmu Sosial. Beberapa bulan yang lalu, Guido Imbens berkata: "LASSO adalah OLS baru". Saya belajar Machine Learning sedikit, dan saya tahu bahwa tujuan utamanya adalah prediksi. Saya juga setuju dengan perbedaan Leo Breiman antara dua budaya statistik. Jadi, dari sudut pandang saya, …

8 machine-learning  lasso  causality 

Apa cara terbaik untuk memvisualisasikan perbedaan-dalam-perbedaan untuk pengobatan biner dan berkelanjutan? Apakah saya regresi variabel hasil pada set kontrol tetapi mengecualikan variabel pengobatan dan plot residu di setiap kelompok (kasus biner)? Apakah ada cara untuk melihat "dinamika" dari parameter ATE dari waktu ke waktu? Saya ingin menunjukkan bahwa asumsi tren …

8 data-visualization  causality  treatment-effect  difference-in-difference 

Perlakuan buku teks biasa penyesuaian untuk variabel berlebihan di OLS menyatakan bahwa estimator masih tidak bias, tetapi mungkin memiliki varians yang lebih besar (lihat, misalnya, Greene, Analisis Ekonometrik, edisi ke-7, hal. 58). Suatu hari saya menemukan pengobatan Judea Pearl dari Simpson's Paradox dan halaman web yang bagus yang mensimulasikan bagaimana …

8 least-squares  bias  causality  simpsons-paradox