Statistiken und Big Data causality

1

Berechnung der inversen Wahrscheinlichkeitsgewichte - bedingte (multivariate) Dichteschätzung?

Die allgemeine Version: Ich muss schätzen, wobei und stetig und multivariat sind. Ich mache es lieber nichtparametrisch, weil ich keine gute funktionale Form im Sinn habe und so etwas wie unvoreingenommen sein muss. Ich wollte einen bedingten Kernel-Dichteschätzer verwenden, aber mir wurde klar, dass ich zuerst quantisieren musste . Dann …

8 regression estimation nonparametric pdf causality

1

Eigenschaften der normalen und impliziten bedingten Wahrscheinlichkeit des bivariaten Standards im Roy-Modell

Entschuldigung für den langen Titel, aber mein Problem ist sehr spezifisch und schwer in einem Titel zu erklären. Ich lerne gerade über das Roy-Modell (Behandlungseffektanalyse). Bei meinen Folien gibt es einen Ableitungsschritt, den ich nicht verstehe. Wir berechnen das erwartete Ergebnis mit der Behandlung in der Behandlungsgruppe (Dummy D ist …

8 normal-distribution causality bivariate truncation

1

Kausale Identifizierung und bestrafte Splines

Ich habe gerade eine Ablehnung von einem Wirtschaftsjournal erhalten. Als Gründe für die Ablehnung wurden angeführt: Die Vorteile der Verwendung der semiparametrischen Methode werden im Vergleich zu alternativen einfacheren Techniken mit sauberer Identifizierung von Kausalzusammenhängen nicht klar herausgestellt Es ist durchaus möglich, dass ich die Methodik einer Reihe von Ökonomen, …

8 nonparametric econometrics causality splines gam

2

Post-hoc-Test nach 2-Faktor-Wiederholungsmessungen ANOVA in R?

Ich habe Probleme, eine Lösung für die Durchführung eines Post-hoc-Tests (Tukey HSD) nach einer ANOVA mit 2 Faktoren (beide innerhalb der Probanden) mit wiederholten Messungen in R zu finden. Für die ANOVA habe ich die aov-Funktion verwendet: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) Nachdem ich Antworten auf andere …

8 r anova repeated-measures post-hoc tukey-hsd goodness-of-fit curve-fitting sem latent-variable mplus anova post-hoc tukey-hsd markov-process image-processing r time-series causality granger-causality anova mixed-model lme4-nlme random-effects-model r matlab data-transformation multinomial notation estimation nonparametric logistic r missing-data multiple-imputation mice

1

Konfidenzintervalle bei Verwendung des Bayes-Theorems

Ich berechne einige bedingte Wahrscheinlichkeiten und zugehörige 95% -Konfidenzintervalle. In vielen meiner Fälle habe ich eine einfache Anzahl von xErfolgen aus nVersuchen (aus einer Kontingenztabelle), sodass ich ein Binomial-Konfidenzintervall verwenden kann, wie es binom.confint(x, n, method='exact')in in angegeben ist R. In anderen Fällen habe ich solche Daten jedoch nicht, daher …

8 r bayesian confidence-interval conditional-probability hidden-markov-model segmentation hypothesis-testing statistical-significance multiple-comparisons multiple-regression r regression survey sample finite-population pca model-selection dataset partitioning clustering time-series least-squares regression standard-error causality r time-series outliers missing-data machine-learning svm hypothesis-testing discrete-data r data-visualization survey likert finance regression pca feature-selection stepwise-regression underdetermined svm natural-language

3

Regression und Kausalität in der Ökonometrie

In der Regression im Allgemeinen und in der linearen Regression im Besonderen ist manchmal eine kausale Interpretation von Parametern zulässig. Zumindest in der ökonometrischen Literatur, aber nicht nur, wenn eine kausale Interpretation erlaubt ist, ist dies nicht so klar; Für eine Diskussion können Sie sehen: Regression und Verursachung: Eine kritische …

8 regression experiment-design causality

1

Wie interpretiere ich ein "Differenz-in-Differenz" -Modell mit kontinuierlicher Behandlung?

Wie interpretiere ich den ATE-Koeffizienten (dh der Nachbehandlungsindikator interagiert mit der kontinuierlichen Variablen)? Macht das Sinn? Sollte ich es in Untergruppen aufteilen und stattdessen nur ein Modell mit festen Effekten ausführen (einen Indikator für jede Untergruppe mit dem Nachbehandlungsindikator interagieren)?

8 fixed-effects-model causality treatment-effect difference-in-difference

2

Argument zu Interaktionen im Buch des Warum

Es gibt einen Absatz über Interaktionen in The Book of Why (Pearl & Mackenzie, 2018), Kapitel 9 (Ich kann die Seitenzahl nicht teilen, weil ich das Buch im Epub-Format habe), in dem die Autoren argumentieren, dass: Gleichung 9.4 gilt jedoch automatisch in einer Situation, ohne dass offensichtlich Kontrafakten aufgerufen werden …

7 references interaction causality

4

Ausgelassene variable Verzerrung: Welche Prädiktoren muss ich einbeziehen und warum?

In den letzten Wochen habe ich über OVB (Omitted Variable Bias) im Zusammenhang mit Regression und Lösung dafür nachgedacht (wie man dieses Problem vermeidet). Ich kenne Shalizis Vorlesungen (2.2), aber er beschreibt dies nur mathematisch. Diese Woche jemand gesagt , dass es ist ganz einfach - die Lösung für die …

7 multiple-regression bias causality

Als «causality» getaggte Fragen