Pertanyaan yang diberi tag «confounding»

Dalam model statistik, perancu dikatakan terjadi ketika ketergantungan nyata dari respon pada suatu prediktor sebagian atau seluruhnya disebabkan oleh ketergantungan keduanya pada variabel ketiga yang tidak termasuk dalam model, atau ketergantungan pada kombinasi linier dari variabel lain yang termasuk dalam model. Perancu dengan variabel yang termasuk dalam suatu model sering disebut multikolinearitas. Sinonimnya adalah * aliasing *, digunakan dalam desain eksperimen.

5
Bagaimana tepatnya satu "kontrol untuk variabel lain"?
Inilah artikel yang memotivasi pertanyaan ini: Apakah ketidaksabaran membuat kita gemuk? Saya menyukai artikel ini, dan itu dengan baik menunjukkan konsep "mengendalikan variabel-variabel lain" (IQ, karier, pendapatan, usia, dll) untuk mengisolasi hubungan yang sebenarnya antara hanya 2 variabel yang dipertanyakan. Bisakah Anda menjelaskan kepada saya bagaimana Anda sebenarnya mengontrol variabel …
3
Rumah sakit mana yang harus dipilih? Satu memiliki tingkat keberhasilan yang lebih tinggi, tetapi yang lain memiliki tingkat keberhasilan keseluruhan yang lebih tinggi
Pertanyaan ini dimigrasikan dari Mathematics Stack Exchange karena dapat dijawab di Cross Validated. Bermigrasi 7 tahun yang lalu . Saya memiliki pertanyaan tentang sesuatu yang dikatakan oleh guru statistik saya tentang masalah berikut. Pertanyaan saya bahkan bukan tentang kemunculan paradoks Simpson dalam situasi ini. Pertanyaan saya hanyalah tentang desakan profesor …
3
Apakah kita benar-benar perlu memasukkan "semua prediksi yang relevan?"
Asumsi dasar menggunakan model regresi untuk inferensi adalah bahwa "semua prediktor yang relevan" telah dimasukkan dalam persamaan prediksi. Alasannya adalah bahwa kegagalan untuk memasukkan faktor dunia nyata yang penting mengarah pada koefisien bias dan dengan demikian kesimpulan yang tidak akurat (yaitu, bias variabel dihilangkan). Tetapi dalam praktik penelitian, saya belum …
1
Perancu - definisi
Menurut M. Katz dalam bukunya Multivariable analysis (Bagian 1.2, halaman 6), " Seorang perancu dikaitkan dengan faktor risiko dan secara kausal terkait dengan hasil. " Mengapa perancu harus terkait secara kausal dengan hasil? Apakah cukup bagi perancu untuk dikaitkan dengan hasilnya?
4
Mengapa pencocokan skor kecenderungan bekerja untuk inferensi kausal?
Pencocokan skor kecenderungan digunakan untuk membuat kesimpulan kausal dalam studi observasional (lihat makalah Rosenbaum / Rubin ). Apa intuisi sederhana di balik mengapa ia bekerja? Dengan kata lain, mengapa jika kita memastikan probabilitas untuk berpartisipasi dalam pengobatan adalah sama untuk kedua kelompok, efek perancu menghilang, dan kita dapat menggunakan hasilnya …
3
Potensi membingungkan dalam desain percobaan
Ikhtisar pertanyaan Peringatan: Pertanyaan ini membutuhkan banyak pengaturan. Tolong bersamaku. Seorang kolega saya dan saya sedang mengerjakan desain eksperimen. Desainnya harus mengatasi sejumlah besar kendala, yang akan saya sebutkan di bawah ini. Saya telah mengembangkan desain yang memenuhi kendala dan memberi kami perkiraan yang tidak memihak tentang efek yang kami …
2
Ketidakpastian dalam penjelasan Rubin's Causal Model- Layman
Ketika menerapkan model sebab-akibat Rubin, salah satu asumsi (yang tidak dapat diuji) yang kita butuhkan adalah tidak dirusakkan, yang berarti (Y(0),Y(1))⊥T|X(Y(0),Y(1))⊥T|X(Y(0),Y(1))\perp T|X Di mana LHS adalah kontrafaktual, T adalah pengobatan, dan X adalah kovariat yang kami kontrol. Saya bertanya-tanya bagaimana menggambarkan ini kepada seseorang yang tidak tahu banyak tentang Model …
2
Apakah mungkin untuk memiliki variabel yang bertindak sebagai pengubah efek dan perancu?
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 …
1
Mengapa Anova () dan drop1 () memberikan jawaban berbeda untuk GLMM?
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 
3
Bagaimana melakukan SVD untuk memasukkan nilai yang hilang, contoh konkret
Saya telah membaca komentar yang bagus mengenai bagaimana menangani nilai yang hilang sebelum menerapkan SVD, tetapi saya ingin tahu cara kerjanya dengan contoh sederhana: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Mengingat matriks di atas, jika saya …
8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 
2
Overmatching bias dan variabel perancu
Seperti yang saya pahami, pencocokan adalah salah satu cara untuk mengidentifikasi hubungan sebab akibat dalam studi observasional. Dengan mencocokkan pengamatan yang "mirip" dan membandingkan yang tidak atau tidak menerima pengobatan, Anda dapat menganggap ini sebagai semacam eksperimen semu. Apa itu overmatching? Bias macam apa yang diperkenalkannya? Saya sebagian besar telah …
1
Bagaimana saya bisa mengendalikan variabel saat melakukan Tes Jumlah Wilcoxon Rank?
Saya melakukan tes peringkat jumlah Wilcoxon untuk mengetahui apakah ada perbedaan dalam distribusi Variabel untuk dua kelompok. Hasil tes menunjukkan bahwa perbedaan itu memang ada.X1X1X_1 Saya, bagaimanapun, curiga bahwa ada variabel perancu X2X2X_2 , yang menyebabkan perbedaan ini. Bagaimana saya bisa mengontrol X2X2X_2 ? Skenario Contoh: Joe ingin memahami apakah …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.