Pertanyaan yang diberi tag «least-squares»

Mengacu pada teknik estimasi umum yang memilih nilai parameter untuk meminimalkan perbedaan kuadrat antara dua kuantitas, seperti nilai yang diamati dari suatu variabel, dan nilai yang diharapkan dari pengamatan yang dikondisikan pada nilai parameter. Model linear Gaussian cocok dengan kuadrat terkecil dan kuadrat terkecil adalah ide yang mendasari penggunaan mean-squared-error (MSE) sebagai cara mengevaluasi estimator.

1
OLS vs kemungkinan maksimum dalam distribusi normal dalam regresi linier
Saya menemukan bahwa untuk model regresi linier sederhana, baik OLS dan metode kemungkinan maksimum (dengan asumsi distribusi Normal) memberikan output yang sama (nilai parameter). Dari sini, dapatkah kita mengatakan bahwa OLS juga membuat asumsi implisit tentang distribusi Normal atau sebaliknya? Saya tidak tertarik mengapa keduanya menghasilkan nilai yang sama tetapi …
2
OLS dalam hal sarana dan ukuran sampel
Diberikan model: y=β0+β1⋅f+uy=β0+β1⋅f+u y = \beta_0 + \beta_1 \cdot f + u Di mana adalah dummy jika betina dan sebaliknya, y adalah tinggi dalam cm. Ukuran sampel adalah secara total. Selanjutnya dan . Hitung estimasi parameter.fff=1=1=1000nfemale=nmale=100→200nfemale=nmale=100→200n_{female}=n_{male}=100 \rightarrow 200y¯male=175y¯male=175\bar{y}_{male} = 175y¯female=165y¯female=165\bar{y}_{female}=165 Usaha saya: Menggunakan rumus well know: β^=(X′X)−1X′yβ^=(X′X)−1X′y \boldsymbol{\hat{\beta}} = (\boldsymbol{X}'\boldsymbol{X})^{-1} …
1
Regresi tanpa intersep: memperoleh dalam kuadrat terkecil (tidak ada matriks)
Dalam Pengantar Pembelajaran Statistik (James et al.), Di bagian 3.7 latihan 5, ini menyatakan bahwa rumus untuk dengan asumsi regresi linier tanpa intersep adalah mana dan adalah perkiraan yang biasa digunakan dalam OLS untuk regresi linier sederhana ( ).β^1β^1\hat{\beta}_1β^1=∑i = 1nxsayaysaya∑i = 1nx2saya,β^1=∑saya=1nxsayaysaya∑saya=1nxsaya2,\hat{\beta}_1 = \dfrac{\displaystyle\sum\limits_{i=1}^{n}x_iy_i}{\displaystyle \sum\limits_{i=1}^{n}x_i^2}\text{,}β^0=y¯-β^1x¯β^0=y¯-β^1x¯\hat{\beta}_0 = \bar{y}-\hat{\beta}_1\bar{x}β^1=Sx ySx xβ^1=SxySxx\hat{\beta}_1 …
1
Jika Anda menjalankan regresi OLS pada data cross sectional, haruskah Anda menguji autokorelasi dalam residu?
Saya memiliki serangkaian pengamatan, tidak tergantung waktu. Saya bertanya-tanya apakah saya harus menjalankan tes autokorelasi? Menurut saya itu tidak masuk akal, karena tidak ada komponen waktu dalam data saya. Namun, saya benar-benar mencoba uji LM korelasi serial, dan ini menunjukkan autokorelasi kuat dari residu. Apakah itu masuk akal? Yang saya …
2
Non-normalitas dalam residu
Saya merujuk pada posting ini yang tampaknya mempertanyakan pentingnya distribusi normal residu, dengan alasan bahwa ini bersama dengan heteroskedastisitas berpotensi dapat dihindari dengan menggunakan kesalahan standar yang kuat. Saya telah mempertimbangkan berbagai transformasi - root, log dll - dan semuanya terbukti tidak berguna dalam menyelesaikan masalah sepenuhnya. Ini adalah plot …
2
Mengapa saya mendapatkan hasil yang sama untuk OLS dan GLS di R?
Ketika saya menjalankan kode ini: require(nlme) a <- matrix(c(1,3,5,7,4,5,6,4,7,8,9)) b <- matrix(c(3,5,6,2,4,6,7,8,7,8,9)) res <- lm(a ~ b) print(summary(res)) res_gls <- gls(a ~ b) print(summary(res_gls)) Saya mendapatkan koefisien yang sama dan signifikansi statistik yang sama pada koefisien: Loading required package: nlme Call: lm(formula = a ~ b) Residuals: Min 1Q Median …
3
Post hoc test dalam ANOVA desain campuran 2x3 menggunakan SPSS?
Saya memiliki dua kelompok yang terdiri dari 10 peserta yang dinilai tiga kali selama percobaan. Untuk menguji perbedaan antara kelompok dan di tiga penilaian, saya menjalankan ANOVA desain campuran 2x3 dengan group(kontrol, eksperimental), time(pertama, kedua, tiga), dan group x time. Keduanya timedan grouphasilnya signifikan, selain itu ada interaksi yang signifikan …
8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 
1
Regresi Terbatas pada R: koefisien positif, jumlah ke 1 dan intersep tidak nol
Saya memiliki model yang perlu saya perkirakan, Y=π0+π1X1+π2X2+π3X3+ε,Y=π0+π1X1+π2X2+π3X3+ε, Y = \pi_0 + \pi_1 X_1 + \pi_2 X_2 + \pi_3 X_3 + \varepsilon, dengan ∑kπk=1 for k≥1∑kπk=1 for k≥1\sum_k \pi_k = 1 \text{ for }k \geq 1 dan πk≥0 for k≥1πk≥0 for k≥1\pi_k\ge0 \text{ for }k \geq 1. Elvis menjawab pertanyaan …
1
Interval kepercayaan saat menggunakan teorema Bayes
Saya menghitung beberapa probabilitas bersyarat, dan interval kepercayaan 95% yang terkait. Untuk banyak kasus saya, saya memiliki jumlah xkeberhasilan langsung dari npercobaan (dari tabel kontingensi), sehingga saya dapat menggunakan interval kepercayaan Binomial, seperti yang disediakan oleh binom.confint(x, n, method='exact')in R. Namun dalam kasus lain, saya tidak memiliki data seperti itu, …
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.