Ich habe eine Bayes'sche logistische Regression in WinBugs eingebaut und sie hat einen Interaktionsbegriff. Etwa so: P r o b ( yich=1)=logit−1(a+b1∗xi+b2∗wi+b3∗xi∗wi)P.rÖb(yich=1)=lÖGicht- -1(ein+b1∗xich+b2∗wich+b3∗xich∗wich)\mathrm{Prob}(y_{i}=1) = \mathrm{logit}^{-1} (a + b_{1}*x_{i} + b_{2}*w_{i} + b_{3}*x_{i}*w_{i}) Dabei ist eine standardisierte kontinuierliche Variable und eine Dummy-Variable. In Wirklichkeit ist das Modell komplizierter, aber ich möchte …
Unsere Daten sind also wie folgt strukturiert: Wir haben Teilnehmer, jeder Teilnehmer kann in 3 Gruppen eingeteilt werden ( G ), und für jeden Teilnehmer haben wir Stichproben einer kontinuierlichen Variablen. Und wir versuchen, Werte vorherzusagen, die entweder 0 oder 1 sind.∈ A , B , C.MMM ∈A,B,C∈A,B,C\in {A,B,C}NNN Wie …
Es gibt einen Absatz über Interaktionen in The Book of Why (Pearl & Mackenzie, 2018), Kapitel 9 (Ich kann die Seitenzahl nicht teilen, weil ich das Buch im Epub-Format habe), in dem die Autoren argumentieren, dass: Gleichung 9.4 gilt jedoch automatisch in einer Situation, ohne dass offensichtlich Kontrafakten aufgerufen werden …
Ich habe ein lsmeans-Problem in R. Ich möchte eine Post-hoc-Analyse einer Interaktion durchführen, ähnlich den Beispielen in der lsmeans-Dokumentation. Ich bin verwirrt darüber, dass die p-Werte gleich sind, ob ich sie benutze warp.lm <- lm(breaks ~ wool * tension, data = warpbreaks) (EIN): lsmeans(warp.lm, list(pairwise ~ wool|tension, pairwise ~ tension|wool)) …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.