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.)

5
Gehen Statistiker davon aus, dass man eine Pflanze nicht übergießen kann, oder verwende ich nur die falschen Suchbegriffe für die krummlinige Regression?
Fast alles, was ich über lineare Regression und GLM lese , läuft darauf hinaus: y=f(x,β)y=f(x,β)y = f(x,\beta) wobei f(x,β)f(x,β)f(x,\beta) eine nicht zunehmende oder nicht abnehmende Funktion von xxx und ββ\beta der Parameter ist, den Sie schätzen und testen Hypothesen über. Es gibt Dutzende von Verknüpfungsfunktionen und Transformationen von yyy und …
2
Warum kann sich die Beta-Regression nicht genau mit Nullen und Einsen in der Antwortvariablen befassen?
Beta-Regression (dh GLM mit Beta-Verteilung und normalerweise der Logit-Link-Funktion) wird häufig empfohlen, um Antworten zu behandeln, die als abhängige Variablen mit Werten zwischen 0 und 1 bezeichnet werden, z. B. Brüche, Verhältnisse oder Wahrscheinlichkeiten. Regression für ein Ergebnis (Verhältnis oder Bruch) zwischen 0 und 1 . Es wird jedoch immer …
3
Welcher Optimierungsalgorithmus wird in glm-Funktion in R verwendet?
Mit folgendem Code kann eine logit-Regression in R durchgeführt werden: > library(MASS) > data(menarche) > glm.out = glm(cbind(Menarche, Total-Menarche) ~ Age, + family=binomial(logit), data=menarche) > coefficients(glm.out) (Intercept) Age -21.226395 1.631968 Es sieht so aus, als ob der Optimierungsalgorithmus konvergiert hat - es gibt Informationen über die Schrittanzahl des Fisher-Scoring-Algorithmus: Call: …
2
Wie macht man ein verallgemeinertes lineares Modell mit mehreren abhängigen Variablen in R?
Ich habe sechs abhängige Variablen (Zähldaten) und mehrere unabhängige Variablen. In einer MMR sieht das Skript folgendermaßen aus: my.model <- lm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn) Da meine Daten jedoch gezählt werden, möchte ich ein verallgemeinertes lineares Modell verwenden und habe Folgendes versucht: my.model <- glm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ …
1
Eigenschaften logistischer Regressionen
Wir arbeiten mit einigen logistischen Regressionen und haben festgestellt, dass die durchschnittliche geschätzte Wahrscheinlichkeit immer dem Anteil derjenigen in der Stichprobe entspricht. Das heißt, der Durchschnitt der angepassten Werte entspricht dem Durchschnitt der Stichprobe. Kann mir jemand den Grund erklären oder eine Referenz geben, wo ich diese Demonstration finden kann?
5
Wie spezifiziere ich eine logarithmische Normalverteilung im Argument der glm-Familie in R?
Einfache Frage: Wie spezifiziere ich eine logarithmische Normalverteilung im Argument der GLM-Familie in R? Ich konnte nicht finden, wie dies erreicht werden kann. Warum ist lognormal (oder exponentiell) keine Option im Familienargument? Irgendwo in den R-Archiven habe ich gelesen, dass man einfach den Log-Link für die Familie verwenden muss, die …
1
Pearson VS Deviance Residuen in der logistischen Regression
Ich weiß, dass standardisierte Pearson-Residuen auf traditionelle probabilistische Weise erhalten werden: rich= yich- πichπich( 1 - πich)--------√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} und Abweichungsreste werden auf statistischere Weise erhalten (der Beitrag jedes Punktes zur Wahrscheinlichkeit): dich= sich- 2 [ yichLogπich^+ ( 1 - yich) log( 1 - πich) ]--------------------------√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i …
4
Strategie zur Bestimmung des geeigneten Modells für die Zähldaten
Welche Strategie eignet sich, um zu entscheiden, welches Modell mit Zähldaten verwendet werden soll? Ich habe Zähldaten, die ich als Mehrebenenmodell modellieren muss, und es wurde mir (auf dieser Site) empfohlen, dies am besten durch Bugs oder MCMCglmm zu tun. Ich versuche jedoch immer noch, etwas über Bayes-Statistiken zu lernen, …
2
Warum machen wir viel Aufhebens um die Verwendung von Fisher Scoring, wenn wir ein GLM anpassen?
Ich bin gespannt, warum wir GLMS-Anpassungen so behandeln, als wären sie ein spezielles Optimierungsproblem. Sind sie? Es scheint mir, dass sie nur maximale Wahrscheinlichkeit sind und dass wir die Wahrscheinlichkeit aufschreiben und dann ... maximieren wir sie! Warum verwenden wir Fisher-Scoring anstelle der unzähligen Optimierungsschemata, die in der angewandten Mathematikliteratur …
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.