Pertanyaan yang diberi tag «quasi-likelihood»

2
Apakah distribusi kuasi-binomial (dalam konteks GLM)?
Saya berharap seseorang dapat memberikan gambaran intuitif tentang apa distribusi quasibinomial dan apa fungsinya. Saya sangat tertarik pada poin-poin ini: Bagaimana kuasibinomial berbeda dengan distribusi binomial. Ketika variabel respon adalah proporsi (nilai contoh termasuk 0,23, 0,11, 0,78, 0,98), model quasibinomial akan berjalan dalam R tetapi model binomial tidak akan. Mengapa …

1
Mengapa kuasi-Poisson di GLM tidak diperlakukan sebagai kasus khusus binomial negatif?
Saya mencoba menyesuaikan model linier umum untuk beberapa set data jumlah yang mungkin atau mungkin tidak disebarkan secara berlebihan. Dua distribusi kanonik yang berlaku di sini adalah Poisson dan Negative Binomial (Negbin), dengan EV dan variansμμ\mu Va rP= μVSebuahrP=μVar_P = \mu Va rNB= μ + μ2θVSebuahrNB=μ+μ2θVar_{NB} = \mu + \frac{\mu^2}{\theta} …

3
Ide dan intuisi di balik estimasi kemungkinan semu maksimum (QMLE)
Pertanyaan: Apa gagasan dan intuisi di balik estimasi kemungkinan maksimum kuasi (QMLE; juga dikenal sebagai estimasi kemungkinan maksimum semu, PMLE)? Apa yang membuat estimator berfungsi ketika distribusi kesalahan yang sebenarnya tidak cocok dengan distribusi kesalahan yang diasumsikan? Situs Wikipedia untuk QMLE baik-baik saja (singkat, intuitif, to the point), tetapi saya …

2
Poisson atau quasi poisson dalam regresi dengan jumlah data dan penyebaran berlebihan?
Saya memiliki data jumlah (analisis permintaan / penawaran dengan menghitung jumlah pelanggan, tergantung pada - kemungkinan - banyak faktor). Saya mencoba regresi linier dengan kesalahan normal, tetapi plot QQ saya tidak terlalu bagus. Saya mencoba transformasi log dari jawabannya: sekali lagi, plot QQ buruk. Jadi sekarang, saya mencoba regresi dengan …

2
Apakah tes dispersi berlebih di GLM sebenarnya * berguna *?
Fenomena 'over-dispersi' dalam GLM muncul setiap kali kita menggunakan model yang membatasi varians dari variabel respon, dan data menunjukkan varians yang lebih besar daripada pembatasan model. Ini terjadi secara umum ketika pemodelan menghitung data menggunakan Poisson GLM, dan dapat didiagnosis dengan tes yang terkenal. Jika pengujian menunjukkan bahwa ada bukti …

1
Apa perbedaan antara regresi logistik dan regresi respons fraksional?
Sejauh yang saya tahu, perbedaan antara model logistik dan model respons fraksional (frm) adalah bahwa variabel dependen (Y) di mana frm adalah [0,1], tetapi logistik adalah {0, 1}. Selanjutnya, frm menggunakan estimator kuasi-kemungkinan untuk menentukan parameternya. Biasanya, kita dapat menggunakan glmmodel logistik untuk mendapatkan glm(y ~ x1+x2, data = dat, …

1
Bagaimana menangani overdispersi dalam regresi Poisson: kuasi-kemungkinan, GLM binomial negatif, atau efek acak tingkat subjek?
Saya telah menemukan tiga proposal untuk menangani overdispersi dalam variabel respon Poisson dan semua model awal efek tetap: Gunakan model kuasi; Gunakan GLM binomial negatif; Gunakan model campuran dengan efek acak tingkat subjek. Tapi yang mana yang harus dipilih, dan mengapa? Apakah ada kriteria aktual di antara ini?

1
Koefisien identik diestimasi dalam model Poisson vs Quasi-Poisson
Dalam memodelkan data jumlah klaim di lingkungan asuransi, saya mulai dengan Poisson tetapi kemudian melihat penyebaran berlebihan. Quasi-Poisson lebih baik memodelkan hubungan mean-variance yang lebih besar daripada Poisson dasar, tetapi saya perhatikan bahwa koefisien identik dalam model Poisson dan Quasi-Poisson. Jika ini bukan kesalahan, mengapa ini terjadi? Apa manfaat menggunakan …

1
Perbandingan model binomial negatif dan quasi-Poisson
Saya telah menjalankan model binomial dan quasi-Poisson negatif berdasarkan pendekatan pengujian hipotesis. Model akhir saya menggunakan kedua metode memiliki kovariat dan interaksi yang berbeda. Tampaknya tidak ada pola ketika saya merencanakan residu saya di kedua kasus. Jadi, saya bertanya-tanya tes mana yang bisa saya gunakan untuk melihat model mana yang …


1
Apa perbedaan antara regresi beta dan quasi glm dengan varians =
Pertama izinkan saya memberi latar belakang; Saya akan meringkas pertanyaan saya di bagian akhir. Distribusi Beta, diparameterisasi dengan rata-rata μμ\mudan , memiliki , di mana adalah fungsi varians.ϕϕ\phiVar( Y) = V( μ ) / ( ϕ + 1 )Var⁡(Y)=V⁡(μ)/(ϕ+1)\operatorname{Var}(Y) = \operatorname{V}(\mu)/(\phi+1)V( μ ) = μ ( 1 - μ )V⁡(μ)=μ(1-μ)\operatorname{V}(\mu) …
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.