Statistiken und Big Data heteroscedasticity

2

Was ist der Unterschied zwischen diesen beiden Breusch-Pagan-Tests?

Wenn ich R für einige Daten verwende und versuche festzustellen, ob meine Daten heteroskedastisch sind oder nicht, habe ich zwei Implementierungen des Breusch-Pagan-Tests gefunden, bptest (Paket lmtest) und ncvTest (Paketauto). Diese führen jedoch zu unterschiedlichen Ergebnissen. Was ist der Unterschied zwischen den beiden? Wann sollten Sie sich für das eine …

9 r regression heteroscedasticity assumptions breusch-pagan

3

Was ist dieser Bias-Varianz-Kompromiss für Regressionskoeffizienten und wie kann er abgeleitet werden?

In diesem ( Bayesianische Inferenz für Varianzkomponenten, die nur Fehlerkontraste verwenden , Harville, 1974) behauptet der Autor als "bekannt" Beziehung ", für eine lineare Regression wobei y = X β(y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y-X\beta)'H^{-1}(y-X\beta)=(y-X\hat\beta)'H^{-1}(y-X\hat\beta)+(\beta-\hat\beta)'(X'H^{-1}X)(\beta-\hat\beta)ϵ ∼ N ( 0 , H ) .y=Xβ+ϵ,y=Xβ+ϵ,y=X\beta+\epsilon,ϵ∼N(0,H).ϵ∼N(0,H).\epsilon\sim\mathcal{N}(0, H). Wie ist das bekannt? Was ist der einfachste Weg, dies zu …

9 regression regression-coefficients heteroscedasticity bias linear-algebra

2

Ist OLS unter Heteroskedastizität asymptotisch effizient?

Ich weiß, dass OLS unvoreingenommen, aber unter Heteroskedastizität in einer linearen Regressionsumgebung nicht effizient ist. In Wikipedia http://en.wikipedia.org/wiki/Minimum_mean_square_error Der MMSE-Schätzer ist asymptotisch unvoreingenommen und konvergiert in der Verteilung zur Normalverteilung: , wobei I (x) die Fisher-Information von x ist. Somit ist der MMSE-Schätzer asymptotisch effizient.n−−√(x^−x)→dN(0,I−1(x))n(x^−x)→dN(0,I−1(x))\sqrt{n}(\hat{x} - x) \xrightarrow{d} \mathcal{N}\left(0 , …

9 least-squares heteroscedasticity efficiency

1

Anpassung eines heteroskedastischen verallgemeinerten linearen Modells für Binomialantworten

Ich habe Daten aus dem folgende experimentellen Design: meine Beobachtungen zählen die Anzahl der Erfolge sind ( K) aus Anzahl der Versuche von entsprechenden ( N), gemessen für zwei Gruppen von jeweils umfassten IIndividuen, von TBehandlungen, wobei in jeder solchen Faktorkombination gibt es RReplikate . Insgesamt habe ich also 2 …

9 r generalized-linear-model heteroscedasticity log-linear dglm

2

Wie hängen Residuen mit den zugrunde liegenden Störungen zusammen?

Bei der Methode der kleinsten Quadrate möchten wir die unbekannten Parameter im Modell schätzen: Y.j= α + βxj+ εj( j = 1 ... n )Y.j=α+βxj+εj(j=1 ...n)Y_j = \alpha + \beta x_j + \varepsilon_j \enspace (j=1...n) Sobald wir dies getan haben (für einige beobachtete Werte), erhalten wir die angepasste Regressionslinie: Y.j= …

9 regression least-squares residuals heteroscedasticity assumptions

3

statistischer Test, um festzustellen, ob die Beziehung linear oder nicht linear ist

Ich habe einen Beispieldatensatz wie folgt: Volume <- seq(1,20,0.1) var1 <- 100 x2 <- 1000000 x3 <- 30 x4 = sqrt(x2/pi) H = x3 - Volume r = (x4*H)/(H + Volume) Power = (var1*x2)/(100*(pi*Volume/3)*(x4*x4 + x4*r + r*r)) Power <- jitter(Power, factor = 1, amount = 0.1) plot(Volume,Power) Aus der …

9 r hypothesis-testing nonlinear-regression goodness-of-fit heteroscedasticity

3

Konzeptionelle Unterscheidung zwischen Heteroskedastizität und Nichtstationarität

Ich habe Probleme, zwischen den Konzepten der Skedastizität und der Stationarität zu unterscheiden. Nach meinem Verständnis ist die Heteroskedastizität eine unterschiedliche Variabilität in Subpopulationen, und die Nichtstationarität ist ein sich im Laufe der Zeit ändernder Mittelwert / Varianz. Wenn dies ein korrektes (wenn auch vereinfachtes) Verständnis ist, ist Nichtstationarität einfach …

9 time-series heteroscedasticity stationarity intuition

1

Inferenz im linearen Modell mit bedingter Heteroskedastizität

Angenommen, ich beobachte unabhängige Variablenvektoren und und die abhängige Variable . Ich möchte ein Modell der Form : wobei eine positiv differenzierte, doppelt differenzierbare Funktion ist, ein unbekannter Skalierungsparameter ist und eine Gaußsche Zufallsvariable mit einer mittleren Varianz von Null ist (von der angenommen wird, dass sie unabhängig von und …

9 regression hypothesis-testing heteroscedasticity generalized-least-squares

3

Die Korrelation von Spearman oder Pearson mit Likert-Skalen, bei denen Linearität und Homoskedastizität verletzt werden können

Ich möchte Korrelationen für eine Reihe von Messungen durchführen, bei denen Likert-Skalen verwendet wurden. Betrachtet man die Streudiagramme, so scheint es, dass die Annahmen der Linearität und Homoskedastizität verletzt wurden. Angesichts der Tatsache, dass es offenbar eine Debatte über die Bewertung der Ordnungsstufe gibt, die sich der Skalierung der Intervallstufe …

9 correlation scales heteroscedasticity likert

2

Wie interpretiere ich die Ergebnisse eines Breusch-Pagan-Tests?

In Rkann ich mit der ncvTestFunktion des carPakets einen Breusch-Pagan-Test auf Heteroskedastizität durchführen . Ein Breusch-Pagan-Test ist eine Art Chi-Quadrat-Test. Wie interpretiere ich diese Ergebnisse: > require(car) > set.seed(100) > x1 = runif(100, -1, 1) > x2 = runif(100, -1, 1) > ncvTest(lm(x1 ~ x2)) Non-constant Variance Score Test Variance …

9 interpretation heteroscedasticity

1

Was ist mit der Heterogenität der Varianz zu tun, wenn die Streuung mit größeren angepassten Werten abnimmt?

Ich versuche ein lineares gemischtes Modell zu erzeugen. Der R-Code lautet wie folgt. lme (Average.payoff ~ Spiel + Typ + Andere.Typ + Spiel: Typ + Spiel: Andere.Typ + Typ: Andere.Typ, zufällig = ~ 1 | Subjekte, Methode = "REML", Daten = Subjektsm1) -> lme1 Der Antwortterm Average.payoff ist stetig, während …

9 regression mixed-model variance heteroscedasticity lme4-nlme

3

Was ist das Schlimmste, was passieren kann, wenn die Annahme der Homoskedastizität in ANOVA verletzt wird?

Dies ist eine Folgefrage, die ich nach Durchsicht dieses Beitrags habe: Unterschied im Mittelwert des statistischen Tests für nicht normale, heteroskedastische Daten? Um klar zu sein, frage ich aus einer pragmatischen Perspektive (um nicht zu suggerieren, dass theoretische Antworten nicht erwünscht sind). Wenn Normalität zwischen den Gruppen ist vorhanden (aus …

8 anova heteroscedasticity assumptions

1

Auflösung der Heteroskedastizität in Poisson GLMM

Ich habe Langzeitsammeldaten und möchte testen, ob die Anzahl der gesammelten Tiere von Wettereffekten beeinflusst wird. Mein Modell sieht wie folgt aus: glmer(SumOfCatch ~ I(pc.act.1^2) +I(pc.act.2^2) + I(pc.may.1^2) + I(pc.may.2^2) + SampSize + as.factor(samp.prog) + (1|year/month), control=glmerControl(optimizer="bobyqa", optCtrl=list(maxfun=1e9,npt=5)), family="poisson", data=a2) Erklärung der verwendeten Variablen: SumOfCatch: Anzahl der gesammelten Tiere pc.act.1, …

8 r poisson-distribution heteroscedasticity glmm

3

Vorhersageintervalle mit Heteroskedastizität

Ich benutze R, um eine lineare Regression durchzuführen. Ich habe Möglichkeiten gesehen, Vorhersageintervalle zu berechnen, aber diese hängen von homoskedastischen Daten ab. Gibt es eine Möglichkeit, Vorhersageintervalle mit heteroskedastischen Daten zu berechnen?

8 r regression least-squares heteroscedasticity prediction-interval

1

Gleichzeitige Heteroskedastizität und schwere Schwänze in einem Regressionsmodell

Ich versuche, mithilfe der Regression ein Vorhersagemodell zu erstellen. Dies ist das Diagnosediagramm für das Modell, das ich durch die Verwendung von lm () in R erhalte: Was ich aus dem QQ-Diagramm gelesen habe, ist, dass die Residuen eine starke Verteilung haben, und das Diagramm Residuen gegen Angepasst scheint darauf …

8 regression residuals heteroscedasticity robust rlm

Als «heteroscedasticity» getaggte Fragen