Pertanyaan yang diberi tag «regression»

Sekelompok orang menjawab satu pertanyaan. Jawabannya bisa "ya" atau "tidak". Peneliti ingin mengetahui apakah usia dikaitkan dengan jenis jawaban. Asosiasi tersebut dinilai dengan melakukan regresi logistik di mana usia adalah variabel penjelas dan jenis jawaban (ya, tidak) adalah variabel dependen. Itu secara terpisah ditangani dengan menghitung usia rata-rata kelompok yang …

17 regression  logistic  t-test 

Beberapa hari yang lalu, seorang psikolog-peneliti saya mengatakan kepada saya tentang metodenya untuk memilih variabel ke model regresi linier. Saya kira itu tidak baik, tetapi saya perlu meminta orang lain untuk memastikan. Metodenya adalah: Lihatlah matriks korelasi antara semua variabel (termasuk Variabel Dependen Y) dan pilih prediktor Xs tersebut, yang …

17 regression  correlation  model-selection 

Saya tidak terbiasa menggunakan variabel dalam format tanggal dalam R. Saya hanya ingin tahu apakah mungkin untuk menambahkan variabel tanggal sebagai variabel penjelas dalam model regresi linier. Jika memungkinkan, bagaimana kita bisa menafsirkan koefisien? Apakah itu efek satu hari pada variabel hasil? Lihat intisari saya dengan contoh apa yang saya …

17 r  regression  time-series 

Adakah yang tahu artikel ulasan yang bagus untuk literatur statistik tentang regresi non-linear? Saya terutama tertarik pada hasil konsistensi dan asimptotik. Yang menarik adalah model yi t= m ( xi t, θ ) + ϵi t,ysayat=m(xsayat,θ)+ϵsayat,y_{it} = m(x_{it},\theta) + \epsilon_{it}, untuk data panel. Yang kurang menarik adalah metode non-parametrik. Saran …

17 regression  references  nonlinear-regression 

Saya bertemu dengan beberapa ahli statistik yang tidak pernah menggunakan model selain Regresi Linier untuk prediksi karena mereka percaya bahwa "model ML" seperti meningkatkan acak hutan atau gradien sulit untuk dijelaskan atau "tidak dapat ditafsirkan". Dalam Regresi Linier, mengingat bahwa kumpulan asumsi diverifikasi (normalitas kesalahan, homoskedastisitas, tidak ada multi-collinearity), uji-t …

16 regression  machine-learning  multiple-regression  model-interpretation 

Apa model nol dalam regresi dan apa hubungan antara model nol dan hipotesis nol? Untuk pemahaman saya, apakah itu berarti Menggunakan "rata-rata variabel respons" untuk memprediksi variabel respons kontinu? Menggunakan "distribusi label" dalam memprediksi variabel respons diskrit? Jika itu masalahnya, tampaknya ada hubungan yang hilang antara hipotesis nol.

16 regression  hypothesis-testing  classification  terminology  model 

Pertimbangkan masalah regresi OLS standar\newcommand{\Y}{\mathbf Y}\newcommand{\X}{\mathbf X}\newcommand{\B}{\boldsymbol\beta}\DeclareMathOperator*{argmin}{argmin}: Saya memiliki matriks YY\Y dan XX\X dan saya ingin mencari ββ\B untuk meminimalkan L=∥Y−Xβ∥2.L=‖Y−Xβ‖2.L=\|\Y-\X\B\|^2. Solusinya diberikan oleh β^=argminβ{L}=(X⊤X)+X⊤Y.β^=argminβ⁡{L}=(X⊤X)+X⊤Y.\hat\B=\argmin_\B\{L\} = (\X^\top\X)^+\X^\top \Y. Saya juga dapat menimbulkan masalah "terbalik": mengingat YY\Y dan β∗β∗\B^* , cari X^X^\hat\X yang akan menghasilkan β^≈β∗β^≈β∗\hat\B\approx \B^* , yaitu akan meminimalkan …

16 regression  least-squares  ridge-regression 

Saat menjelaskan regresi LASSO, diagram berlian dan lingkaran sering digunakan. Dikatakan bahwa karena bentuk kendala dalam LASSO adalah berlian, solusi kuadrat terkecil yang diperoleh mungkin menyentuh sudut berlian sedemikian rupa sehingga menyebabkan penyusutan beberapa variabel. Namun, dalam regresi ridge, karena itu adalah sebuah lingkaran, seringkali tidak akan menyentuh sumbu. Saya …

16 regression  lasso  ridge-regression 

Saya menggunakan regresi linier berganda untuk menggambarkan hubungan antara Y dan X1, X2. Dari teori saya mengerti bahwa regresi berganda mengasumsikan hubungan linier antara Y dan masing-masing X (Y dan X1, Y dan X2). Saya tidak menggunakan transformasi X. Jadi, saya mendapatkan model dengan R = 0,45 dan semua X …

16 regression  multiple-regression  python  linear 

Saya tahu bahwa residual Pearson terstandarisasi diperoleh dengan cara probabilistik tradisional: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} dan Deviance Residuals diperoleh melalui cara yang lebih statistik (kontribusi setiap titik terhadap kemungkinan): di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} di mana = 1 jika = 1 dan = -1 …

16 regression  logistic  generalized-linear-model  residuals  deviance 

Ridge perkiraan regresi parameter ββ\boldsymbol \beta dalam model linear y=Xβy=Xβ\mathbf y = \mathbf X \boldsymbol \beta oleh β λ = ( X ⊤ X + λ I ) - 1 X ⊤ y , di mana λ adalah parameter regularisasi. Sudah diketahui bahwa sering berkinerja lebih baik daripada regresi OLS …

16 regression  ridge-regression  shrinkage 

Hai teman-teman, saya menemukan satu atau dua makalah yang menggunakan regresi ridge (untuk data bola basket). Saya selalu diminta untuk menstandardisasi variabel saya jika saya menjalankan regresi punggungan, tetapi saya hanya diminta untuk melakukan ini karena punggungan adalah varian skala (regresi punggungan tidak benar-benar bagian dari kursus kami, jadi dosen …

16 regression  standardization 

Dalam beberapa bulan terakhir saya telah membaca secara intensif tentang regresi kuantil dalam persiapan untuk tesis master saya musim panas ini. Secara khusus saya telah membaca sebagian besar buku 2005 Roger Koenker pada topik ini. Sekarang saya ingin memperluas pengetahuan yang ada ini ke teknik regresi kuantil yang memungkinkan untuk …

16 regression  references  econometrics  instrumental-variables  quantile-regression 

Saya memiliki data untuk jaringan stasiun cuaca di seluruh Amerika Serikat. Ini memberi saya bingkai data yang berisi tanggal, lintang, bujur, dan beberapa nilai yang diukur. Asumsikan bahwa data dikumpulkan sekali sehari dan didorong oleh cuaca skala regional (tidak, kami tidak akan masuk ke dalam diskusi itu). Saya ingin menunjukkan …

16 r  regression  data-visualization  pca  spatial 

Tidak yakin apakah normalisasi adalah kata yang tepat untuk digunakan di sini, tetapi saya akan mencoba yang terbaik untuk menggambarkan apa yang ingin saya tanyakan. Estimator yang digunakan di sini adalah kuadrat terkecil. Misalkan Anda memiliki y=β0+β1x1y=β0+β1x1y=\beta_0+\beta_1x_1 , Anda dapat memusatkannya di sekitar rata-rata dengan y=β′0+β1x′1y=β0′+β1x1′y=\beta_0'+\beta_1x_1' mana β′0=β0+β1x¯1β0′=β0+β1x¯1\beta_0'=\beta_0+\beta_1\bar x_1 dan …

16 regression  self-study  least-squares  regression-coefficients