Als «generalized-linear-model» getaggte Fragen

Eine Verallgemeinerung der linearen Regression, die nichtlineare Beziehungen über eine "Verknüpfungsfunktion" ermöglicht und die Varianz der Antwort vom vorhergesagten Wert abhängt. (Nicht zu verwechseln mit dem "allgemeinen linearen Modell", das das gewöhnliche lineare Modell auf die allgemeine Kovarianzstruktur und die multivariate Antwort erweitert.)

1
Wie gehen Sie mit „verschachtelten“ Variablen in einem Regressionsmodell um?
Stellen Sie sich ein statistisches Problem vor, bei dem Sie eine responseVariable haben, die Sie abhängig von einer explanatoryVariablen und einer nestedVariablen beschreiben möchten , wobei die verschachtelte Variable nur als sinnvolle Variable für bestimmte Werte der erklärenden Variablen auftritt . In Fällen, in denen die erklärende Variable keine aussagekräftige …
2
RMSE (Root Mean Squared Error) für Logistikmodelle
Ich habe eine Frage zur Gültigkeit der Verwendung von RMSE (Root Mean Squared Error) zum Vergleich verschiedener Logistikmodelle. Die Antwort ist entweder 0oder 1und die Vorhersagen sind Wahrscheinlichkeiten zwischen 0- 1? Ist der unten angewandte Weg auch für die binären Antworten gültig? # Using glmnet require(glmnet) load(url("https://github.com/cran/glmnet/raw/master /data/BinomialExample.RData")) cvfit = …
3
glm in R - welcher p-Wert repräsentiert die Anpassungsgüte des gesamten Modells?
Ich verwende glms in R (verallgemeinerte lineare Modelle). Ich dachte, ich kenne p-Werte - bis ich sah, dass das Aufrufen einer Zusammenfassung für ein glm keinen übergeordneten p-Wert ergibt, der für das gesamte Modell repräsentativ ist - zumindest nicht an der Stelle, an der lineare Modelle dies tun. Ich frage …
1
Bayesglm (Arm) gegen MCMCpack
Sowohl bayesglm()(im Arm R-Paket) als auch verschiedene Funktionen im MCMCpack-Paket zielen darauf ab, die Bayes'sche Schätzung verallgemeinerter linearer Modelle durchzuführen, aber ich bin nicht sicher, ob sie tatsächlich dasselbe berechnen. Die MCMCpack-Funktionen verwenden die Markov-Kette Monte Carlo, um eine (abhängige) Probe vom Gelenk posterior für die Modellparameter zu erhalten. bayesglm()auf …
3
So erhalten Sie das Konfidenzintervall für die Änderung des Populations-R-Quadrats
Als einfaches Beispiel wird angenommen, dass es zwei lineare Regressionsmodelle gibt Modell 1 hat drei Prädiktoren x1a, x2bundx2c Modell 2 hat drei Prädiktoren aus Modell 1 und zwei zusätzliche Prädiktoren x2aundx2b Es gibt eine Populationsregressionsgleichung, bei der die erklärte Populationsvarianz für Modell 1 für Modell 2 . Die durch Modell …
1
Ich protokolliere transformiert meine abhängige Variable. Kann ich die GLM-Normalverteilung mit LOG-Link-Funktion verwenden?
Ich habe eine Frage zu Generalized Linear Models (GLM). Meine abhängige Variable (DV) ist stetig und nicht normal. Also habe ich es transformiert (immer noch nicht normal, aber verbessert). Ich möchte den DV mit zwei kategorialen Variablen und einer kontinuierlichen Kovariable in Beziehung setzen. Dafür möchte ich ein GLM durchführen …
1
Welches ist genauer glm oder glmnet?
R glm und glmnet verwenden unterschiedliche Algorithmen. Ich bemerke nicht triviale Unterschiede zwischen den geschätzten Koeffizienten, wenn ich beide verwende. Ich bin daran interessiert, wann eines genauer ist als das andere und wann die Zeit zum Lösen / zur Genauigkeit abgewogen wird. Insbesondere beziehe ich mich auf den Fall, in …
4
So überprüfen Sie, ob mein Regressionsmodell gut ist
Eine Möglichkeit, die Genauigkeit des logistischen Regressionsmodells mithilfe von 'glm' zu ermitteln, besteht darin, das AUC-Diagramm zu ermitteln. Wie kann man dasselbe für ein Regressionsmodell überprüfen, das mit einer kontinuierlichen Antwortvariablen gefunden wurde (family = 'gaussian')? Mit welchen Methoden wird überprüft, wie gut mein Regressionsmodell zu den Daten passt?
2
Was ist der Unterschied zwischen logit-transformierter linearer Regression, logistischer Regression und einem logistischen gemischten Modell?
Angenommen, ich habe 10 Schüler, die jeweils versuchen, 20 mathematische Probleme zu lösen. Die Probleme werden richtig oder falsch bewertet (in Langdaten) und die Leistung jedes Schülers kann durch ein Genauigkeitsmaß (in Unterdaten) zusammengefasst werden. Die folgenden Modelle 1, 2 und 4 scheinen unterschiedliche Ergebnisse zu liefern, aber ich verstehe, …
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 
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.