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.)

4
Pseudo-R-Quadrat-Formel für GLMs
Eine Formel für Pseudo fand ich in dem Buch Extending the Linear Model with R., Julian J. Faraway (S. 59).R2R2R^2 1−ResidualDevianceNullDeviance1−ResidualDevianceNullDeviance1-\frac{\text{ResidualDeviance}}{\text{NullDeviance}} . Ist dies eine gebräuchliche Formel für Pseudo für GLMs?R2R2R^2
1
Berechnung der Wiederholbarkeit von Effekten aus einem früheren Modell
Ich bin gerade auf diese Arbeit gestoßen , in der beschrieben wird, wie die Wiederholbarkeit (auch bekannt als Zuverlässigkeit, auch bekannt als Intraclass-Korrelation) einer Messung über Mixed-Effects-Modellierung berechnet wird. Der R-Code wäre: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = …
28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 
1
Was ist der Unterschied zwischen verallgemeinerten Schätzgleichungen und GLMM?
Ich verwende ein GEE mit 3-Level-Daten, die nicht ausbalanciert sind, und benutze einen Logit-Link. Wie unterscheidet sich dies (in Bezug auf die Schlussfolgerungen, die ich ziehen kann, und die Bedeutung der Koeffizienten) von einem GLM mit gemischten Effekten (GLMM) und einem Logit-Link? Weitere Einzelheiten: Die Beobachtungen sind einzelne Bernoulli-Versuche. Sie …
3
Warum werden Beta / Dirichlet-Regressionen nicht als verallgemeinerte lineare Modelle betrachtet?
Voraussetzung ist dieses Zitat aus der Vignette des R-Pakets betareg1 . Darüber hinaus hat das Modell einige Eigenschaften (z. B. linearer Prädiktor, Verknüpfungsfunktion, Dispersionsparameter) mit verallgemeinerten linearen Modellen (GLMs; McCullagh und Nelder 1989) gemeinsam, ist jedoch kein Sonderfall dieses Frameworks (auch nicht für feste Dispersion) ) Diese Antwort spielt auch …
3
Was ist Theta in einer negativen binomischen Regression, die mit R ausgestattet ist?
Ich habe eine Frage zu einer negativen binomischen Regression: Angenommen, Sie haben die folgenden Befehle: require(MASS) attach(cars) mod.NB<-glm.nb(dist~speed) summary(mod.NB) detach(cars) (Beachten Sie, dass cars ein Datensatz ist, der in R verfügbar ist, und es ist mir egal, ob dieses Modell sinnvoll ist.) Was ich wissen möchte, ist: Wie kann ich …
2
Diagnose für verallgemeinerte lineare (gemischte) Modelle (speziell Residuen)
Derzeit habe ich Probleme, das richtige Modell für schwierige Zähldaten (abhängige Variable) zu finden. Ich habe verschiedene Modelle ausprobiert (für meine Art von Daten sind Modelle mit gemischten Effekten erforderlich), z. B. lmerundlme4 (mit einer logarithmischen Transformation), sowie verallgemeinerte lineare Modelle mit gemischten Effekten mit verschiedenen Familien, z. B. Gaußscher …
1
Nichtlineares vs. verallgemeinertes lineares Modell: Wie verweisen Sie auf logistische, Poisson usw. Regression?
Ich habe eine Frage zur Semantik, zu der ich die Meinungen anderer Statistiker haben möchte. Wir wissen, dass Modelle wie Logistik, Poisson usw. unter den Schirm verallgemeinerter linearer Modelle fallen. Das Modell enthält nichtlineare Funktionen der Parameter, die wiederum unter Verwendung des linearen Modellgerüsts unter Verwendung der entsprechenden Verknüpfungsfunktion modelliert …
2
Warum gibt es zwei verschiedene Formulierungen / Notationen für logistische Verluste?
Ich habe zwei Arten von Formulierungen für logistische Verluste gesehen. Wir können leicht zeigen, dass sie identisch sind, der einzige Unterschied ist die Definition der Bezeichnung .yyy Formulierung / Notation 1, :y∈{0,+1}y∈{0,+1}y \in \{0, +1\} L(y,βTx)=−ylog(p)−(1−y)log(1−p)L(y,βTx)=−ylog⁡(p)−(1−y)log⁡(1−p) L(y,\beta^Tx)=-y\log(p)-(1-y)\log(1-p) Dabei ist p=11+exp(−βTx)p=11+exp⁡(−βTx)p=\frac 1 {1+\exp(-\beta^Tx)} , wobei die logistische Funktion eine reelle Zahl …
6
Beispiele für erweiterte Regressionsmodellierung
Ich suche eine erweiterte Fallstudie zur linearen Regression, die die erforderlichen Schritte zur Modellierung komplexer, mehrfacher nichtlinearer Beziehungen mithilfe von GLM oder OLS veranschaulicht. Es ist überraschend schwierig, Ressourcen zu finden, die über grundlegende Schulbeispiele hinausgehen: Die meisten Bücher, die ich gelesen habe, gehen nicht weiter als eine logarithmische Transformation …
2
Wald-Test in Regression (OLS und GLM): t- vs. z-Verteilung
Ich verstehe, dass der Wald-Test für Regressionskoeffizienten auf der folgenden Eigenschaft basiert, die asymptotisch gilt (z. B. Wasserman (2006): All of Statistics , S. 153, 214-215): Wobei den geschätzten Regressionskoeffizienten bezeichnet, bezeichnet den Standardfehler des Regressionskoeffizienten und ist der interessierende Wert ( ist normalerweise 0, um zu testen, ob der …
1
Latent Variable Interpretation von generalisierten linearen Modellen (GLMs)
Kurzfassung: Wir wissen, dass logistische Regression und Probit-Regression so interpretiert werden können, dass sie eine kontinuierliche latente Variable beinhalten, die vor der Beobachtung anhand eines festgelegten Schwellenwerts diskretisiert wird. Steht eine ähnliche latente Variableninterpretation beispielsweise für die Poisson-Regression zur Verfügung? Wie wäre es mit einer binomialen Regression (wie logit oder …
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.