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.

4
Mengapa orang sering menjalankan regresi dengan dan tanpa variabel kontrol?
Saya sering menjalankan regresi dari dataset n-rendah (~ 100 pengamatan). Seringkali hasilnya hanya signifikan dengan dimasukkannya variabel kontrol. Namun, saya sering melihat artikel jurnal di mana orang-orang (selalu dengan sejumlah besar pengamatan) mengklaim telah menjalankan regresi mereka "dengan dan tanpa variabel kontrol". Mengapa orang sering menjalankan regresi dengan dan tanpa …
2
Apakah mungkin untuk dari regresi pada dua variabel lebih tinggi dari jumlah untuk dua regresi pada variabel individu?
Dalam OLS, apakah mungkin untuk dari regresi pada dua variabel lebih tinggi dari jumlah untuk dua regresi pada variabel individu.R2R2R^2R2R2R^2 R2(Y∼A+B)>R2(Y∼A)+R2(Y∼B)R2(Y∼A+B)>R2(Y∼A)+R2(Y∼B)R^2(Y \sim A + B) > R^2(Y \sim A) + R^2(Y \sim B) Sunting: Ugh, ini sepele; itulah yang saya dapatkan untuk mencoba masalah masalah yang saya pikirkan saat di …
3
Memperkirakan regresi linier dengan OLS vs ML
Asumsikan bahwa saya akan memperkirakan regresi linier di mana saya berasumsi u ∼ N( 0 ,σ2)u∼N(0,σ2)u\sim N(0,\sigma^2). Apa manfaat OLS terhadap estimasi ML? Saya tahu bahwa kita perlu tahu distribusikamuuu ketika kita menggunakan Metode ML, tapi karena saya berasumsi u ∼ N( 0 ,σ2)u∼N(0,σ2)u\sim N(0,\sigma^2)apakah saya menggunakan ML atau OLS, …
2
Pembenaran untuk menggunakan bobot geometrik dalam regresi linier
Dalam penerapan praktis, saya sering menyaksikan praktik berikut ini. Seseorang mengamati sepasang (xt,yt)(xt,yt)(x_t, y_t)lembur. Di bawah asumsi bahwa mereka terkait linier, kami mundur satu terhadap yang lain menggunakan bobot geometris daripada yang seragam, yaitu, OLS meminimalkan ∑t=0∞kt(yT−t−axT−t−b)2∑t=0∞kt(yT-t-SebuahxT-t-b)2\sum_{t=0}^\infty k^{t} (y_{T-t}- a x_{T-t}-b)^2 untuk beberapa k∈(0,1)k∈(0,1)k\in (0,1). Ini sangat intuitif: pengamatan kita …
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.