Pertanyaan yang diberi tag «linear-model»

Mengacu pada model apa pun di mana variabel acak terkait dengan satu atau lebih variabel acak oleh fungsi yang linier dalam sejumlah parameter terbatas.

3
Apakah asumsi linearitas dalam regresi linier hanyalah definisi ?
Saya merevisi regresi linier. Buku teks oleh Greene menyatakan: Sekarang, tentu saja akan ada asumsi lain pada model regresi linier, seperti . Asumsi ini dikombinasikan dengan asumsi linearitas (yang pada dasarnya mendefinisikan ), menempatkan struktur pada model.ϵE(ϵ|X)=0E(ϵ|X)=0E(\epsilon|X)=0ϵϵ\epsilon Namun, asumsi linearitas dengan sendirinya tidak menempatkan struktur apa pun pada model kami, …


2
Regresi dengan variabel independen terbalik
Anggaplah saya memiliki -vektor dari variabel dependen, dan -vektor dari variabel independen. Ketika diplot terhadap , saya melihat bahwa ada hubungan linear (tren naik) di antara keduanya. Sekarang, ini juga berarti bahwa ada tren penurunan linear antara dan .Y N X Y 1NNNYYYNNNXXXYYY YX1X1X\frac{1}{X}YYYXXX Sekarang, jika saya menjalankan regresi: dan …


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
Model linier Heteroscedasticity
Saya memiliki model linier berikut: Untuk mengatasi heteroscedasticity residual, saya telah mencoba menerapkan transformasi log pada variabel dependen sebagai tetapi saya masih melihat efek fan out yang sama pada residual. Nilai-nilai DV relatif kecil sehingga penambahan konstan +1 sebelum mengambil log mungkin tidak sesuai dalam kasus ini.log(Y+1)log⁡(Y+1)\log(Y + 1) > …

2
Dalam regresi linier, mengapa kita harus memasukkan istilah kuadrat ketika kita hanya tertarik pada istilah interaksi?
Misalkan saya tertarik pada model regresi linier, untuk , karena saya ingin melihat apakah interaksi antara kedua kovariat berpengaruh pada Y.Ysaya= β0+ β1x1+ β2x2+ β3x1x2Yi=β0+β1x1+β2x2+β3x1x2Y_i = \beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_1x_2 Dalam catatan kursus seorang profesor (yang saya tidak punya kontak dengan), itu menyatakan: Ketika termasuk istilah interaksi, …


2
Apakah ada cara yang elegan / berwawasan untuk memahami identitas regresi linier ini untuk banyak ?
Dalam regresi linear saya menemukan hasil yang menyenangkan jika kita cocok dengan model E[Y]=β1X1+β2X2+c,E[Y]=β1X1+β2X2+c,E[Y] = \beta_1 X_1 + \beta_2 X_2 + c, kemudian, jika kita membuat standar dan memusatkan data , dan ,YYYX1X1X_1X2X2X_2 R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R^2 = \mathrm{Cor}(Y,X_1) \beta_1 + \mathrm{Cor}(Y, X_2) \beta_2. Bagi saya ini terasa seperti versi 2 variabel dari …

5
Apakah menggunakan desil untuk menemukan korelasi merupakan pendekatan yang valid secara statistik?
Saya memiliki sampel 1,449 titik data yang tidak berkorelasi (r-squared 0,006). Ketika menganalisis data, saya menemukan bahwa dengan memecah nilai-nilai variabel independen menjadi kelompok-kelompok positif dan negatif, tampaknya ada perbedaan yang signifikan dalam rata-rata variabel dependen untuk setiap kelompok. Membagi titik menjadi 10 sampah (desil) dengan menggunakan nilai variabel independen, …

1
Nilai variabel tersembunyi regresi linear R "bernilai"
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 


2
Menafsirkan Koefisien Regresi Setelah Berbagai Perbedaan
Ada beberapa penjelasan yang dapat saya temukan yang menggambarkan bagaimana menafsirkan koefisien regresi linier setelah membedakan deret waktu (untuk menghilangkan unit root). Apakah ini begitu sederhana sehingga tidak perlu menyatakannya secara formal? (Saya mengetahui pertanyaan ini , tetapi tidak yakin seberapa umum tanggapannya). Katakanlah kita tertarik pada model mana adalah …

1
Istilah varians dalam dekomposisi bias-varians dari regresi linier
Dalam 'The Elements of statistik Learning', ekspresi bias-variance dekomposisi linier model diberikan sebagai mana f ( x 0 )Er r ( x0) = σ2ϵ+ E[ f( x0) - Ef^( x0) ]2+ | | h ( x0) | |2σ2ϵ,Err(x0)=σϵ2+E[f(x0)−Ef^(x0)]2+||h(x0)||2σϵ2,Err(x_0)=\sigma_\epsilon^2+E[f(x_0)-E\hat f(x_0)]^2+||h(x_0)||^2\sigma_\epsilon^2,f( x0)f(x0)f(x_0)adalah fungsi target yang sebenarnya, adalah varian dari kesalahan acak dalam …

1
Kesalahan yang didistribusikan secara normal dan teorema limit pusat
Dalam Econometrics Pengantar Wooldridge ada kutipan: Argumen yang membenarkan distribusi normal untuk kesalahan biasanya berjalan seperti ini: karena adalah jumlah dari banyak faktor yang tidak teramati yang mempengaruhi , kita dapat menggunakan teorema batas pusat untuk menyimpulkan bahwa memiliki perkiraan distribusi normal.uuuyyyuuu Kutipan ini berkaitan dengan salah satu asumsi model …

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.