Als «confounding» getaggte Fragen

In statistischen Modellen soll eine Verwechslung auftreten, wenn die offensichtliche Abhängigkeit der Antwort von einem Prädiktor teilweise oder vollständig auf die Abhängigkeit beider von einer dritten Variablen zurückzuführen ist, die nicht im Modell enthalten ist, oder auf die Abhängigkeit von einer linearen Kombination anderer Variablen, die in enthalten sind das Model. Die Verwechslung mit einer in einem Modell enthaltenen Variablen wird häufig als Multikollinearität bezeichnet. Ein Synonym ist * Aliasing *, das bei der Versuchsplanung verwendet wird.

3
Müssen wir wirklich alle relevanten Prädiktoren einbeziehen?
Eine Grundannahme bei der Verwendung von Regressionsmodellen zur Inferenz ist, dass "alle relevanten Prädiktoren" in die Prädiktionsgleichung einbezogen wurden. Der Grund dafür ist, dass die Nichteinbeziehung eines wichtigen Faktors aus der realen Welt zu verzerrten Koeffizienten und damit zu ungenauen Schlussfolgerungen führt (dh eine variable Verzerrung wird weggelassen). Aber in …
1
Confounder - Definition
Laut M. Katz in seinem Buch Multivariable Analysis (Abschnitt 1.2, Seite 6) ist „ ein Confounder mit dem Risikofaktor verbunden und steht in ursächlichem Zusammenhang mit dem Ergebnis. “ Warum muss der Confounder in ursächlichem Zusammenhang mit dem Ergebnis stehen? Wäre es genug sein für die confounder werden im Zusammenhang …
4
Warum funktioniert Propensity Score Matching für kausale Inferenz?
Propensity Score Matching wird verwendet, um kausale Schlussfolgerungen in Beobachtungsstudien zu ziehen (siehe das Rosenbaum / Rubin-Papier ). Was ist die einfache Intuition dahinter, warum es funktioniert? Mit anderen Worten, warum verschwinden die verwirrenden Effekte, wenn wir sicherstellen, dass die Wahrscheinlichkeit einer Teilnahme an der Behandlung für beide Gruppen gleich …
3
Welche Beispiele für lauernde Variablen in kontrollierten Experimenten gibt es in Veröffentlichungen?
In diesem Papier: Lauernde Variablen: Einige Beispiele Brian L. Joiner Der amerikanische Statistiker Vol. 4, November 1981, 227-233 Brian Joiner behauptet, dass "Randomisierung kein Allheilmittel ist". Dies steht im Widerspruch zu allgemeinen Aussagen wie der folgenden: Ein gut durchdachtes Experiment enthält Entwurfsmerkmale, mit denen Forscher fremde Variablen als Erklärung für …
2
Ist es möglich, eine Variable zu haben, die sowohl als Effektmodifikator als auch als Störfaktor fungiert?
Ist es möglich, eine Variable zu haben, die sowohl als Effektmodifikator (Messmodifikator) als auch als Störfaktor für ein bestimmtes Paar von Risiko-Ergebnis-Assoziationen fungiert? Ich bin mir der Unterscheidung immer noch ein wenig unsicher. Ich habe mir die grafische Notation angesehen, um den Unterschied zu verstehen, aber die Unterschiede in der …
1
Warum haben Anova () und drop1 () unterschiedliche Antworten für GLMMs geliefert?
Ich habe ein GLMM der Form: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Wenn ich benutze drop1(model, test="Chi"), erhalte ich andere Ergebnisse als wenn ich Anova(model, type="III")aus dem Autopaket oder benutze summary(model). Diese beiden letzteren geben die gleichen Antworten. Unter Verwendung einer Reihe …
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
Ein konkretes Beispiel ist die Durchführung einer SVD, um fehlende Werte zu unterstellen
Ich habe die großartigen Kommentare zum Umgang mit fehlenden Werten vor dem Anwenden von SVD gelesen, möchte aber anhand eines einfachen Beispiels wissen, wie dies funktioniert: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Wenn ich in der …
8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning 
2
Übermatching Bias und verwirrende Variablen
Nach meinem Verständnis ist Matching eine Möglichkeit, die Kausalität in Beobachtungsstudien zu identifizieren. Indem Sie Beobachtungen vergleichen, die "ähnlich" sind, und solche vergleichen, die behandelt wurden oder nicht, können Sie dies als eine Art Quasi-Experiment betrachten. Was ist Überanpassung? Welche Art von Voreingenommenheit führt es ein? Ich habe Matching meistens …
1
Wie kann ich während der Durchführung des Wilcoxon-Rangsummentests eine Variable steuern?
Ich habe einen Wilcoxon-Rangsummentest durchgeführt, um herauszufinden, ob es einen Unterschied in der Verteilung der Variablen für zwei Gruppen gibt. Die Testergebnisse zeigten, dass der Unterschied besteht.X1X1X_1 Ich vermute jedoch, dass es eine verwirrende Variable , die diesen Unterschied verursacht.X2X2X_2 Wie kann ich für steuern ?X2X2X_2 Beispielszenario: Joe möchte verstehen, …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.