Als «interpretation» getaggte Fragen

Bezieht sich allgemein auf inhaltliche Schlussfolgerungen aus den Ergebnissen einer statistischen Analyse.

1
Wie interpretiere ich den Plot von cv.glmnet ()?
Ich führte Lasso durch und ließ dann eine einmalige Kreuzvalidierung aus cv<-cv.glmnet(df, df$Price, nfolds = 1500) Wenn ich einen Lebenslauf zeichne, erhalte ich Folgendes: Mir ist auch aufgefallen, dass ich 2 verschiedene Lambdas bekomme: lambda.minundlambda.1se Was ist der Unterschied zwischen diesen Lambdas? Was kann ich aus der obigen Darstellung im …

4
Ist es realistisch, dass alle Variablen in einem multiplen Regressionsmodell von hoher Bedeutung sind?
Ich möchte den Kraftstoffverbrauch bei Hubraum, Kraftstoffart, 2- oder 4-Rad-Antrieb, Leistung, manuellem oder automatischem Getriebe und der Anzahl der Geschwindigkeiten senken. Mein Datensatz ( Link ) enthält Fahrzeuge von 2012-2014. fuelEconomy in Meilen pro Gallone engineDisplacement: Motorgröße in Litern fuelStd: 1 für Gas 0 für Diesel wheelDriveStd: 1 für Allradantrieb, …


1
Welche Matrix sollte in der Faktoranalyse interpretiert werden: Mustermatrix oder Strukturmatrix?
Wenn Sie eine Faktoranalyse (z. B. durch Hauptachsen-Factoring) oder eine Hauptkomponentenanalyse als Faktoranalyse durchführen und eine Schrägdrehung der Ladungen durchgeführt haben, - welche Matrix verwenden Sie dann, um zu verstehen, welche Elemente auf welche Faktoren geladen werden und um die Faktoren zu interpretieren, - Mustermatrix oder Strukturmatrix ? Ich habe …




2
Anova von R Output Interpretation
Ich habe eine Frage, wie ein Statistiker normalerweise eine Anova-Ausgabe interpretieren würde. Angenommen, ich habe eine Anova-Ausgabe von R. > summary(fitted_data) Call: lm(formula = V1 ~ V2) Residuals: Min 1Q Median 3Q Max -2.74004 -0.33827 0.04062 0.44064 1.22737 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 2.11405 0.32089 6.588 1.3e-09 …

2
Wie interpretiere ich ein Boxplot?
Ich habe einige Daten, in denen es 5 kategoriale erklärende Variablen ( concern, breath, weath, sleep, act) und 1 kontinuierliche Antwortvariable ( tto) gibt. Darüber hinaus ist jede kategoriale erklärende Variable in 5 Ebenen unterteilt, die zeigen, wie stark sich eine Person dabei fühlt. Level 1 und Level 5 zeigen …


3
Interpretation des Koeffizienten in einem linearen Regressionsmodell mit kategorialen Variablen
Ich werde meine Beispiele mit R-Aufrufen geben. Zunächst ein einfaches Beispiel einer linearen Regression mit einer abhängigen Variablen 'Lebensdauer' und zwei kontinuierlichen erklärenden Variablen. data.frame(height=runif(4000,160,200))->human.life human.life$weight=runif(4000,50,120) human.life$lifespan=sample(45:90,4000,replace=TRUE) summary(lm(lifespan~1+height+weight,data=human.life)) Call: lm(formula = lifespan ~ 1 + height + weight, data = human.life) Residuals: Min 1Q Median 3Q Max -23.0257 -11.9124 -0.0565 …


1
Warum verwenden Menschen PCA, wenn es so viele Probleme gibt?
(Dies ist eine weiche Frage.) Vor kurzem lerne ich die Hauptkomponentenanalyse und es scheint viele Probleme zu geben: Sie müssen die Daten auf ungefähr den gleichen Maßstab umwandeln, bevor Sie PCA anwenden. Die Art und Weise, wie die Feature-Skalierung durchgeführt werden soll, ist jedoch nicht festgelegt. Standardisierung? Skalierung auf Längeneinheit? …

3
Bedeutung der Quadratwurzel von Kovarianz- / Präzisionsmatrizen
Sagen X∈RnX∈RnX \in \mathbb{R}^nist eine Zufallsvariable mit der Kovarianz . Einträge der Kovarianzmatrix sind per Definition Kovarianzen: Es ist auch bekannt, dass Einträge mit der Genauigkeit erfüllen: wobei die rechte Seite die Kovarianz von wobei von allen anderen Variablen abhängig ist.Σ∈Rn×nΣ∈Rn×n\Sigma \in \mathbb{R}^{n\times n}Σi j= C.o v (X.ich,X.j) .Σij=Cov(Xi,Xj). \Sigma_{ij} …

1
Interpretation der Baggerleistung
Ich habe zum ersten Mal ein GLM in R ausgeführt und bin mir nicht sicher, wie ich das Ergebnis interpretieren soll. Dies ist die Eingabe: global.modelAcar <- lm(Acar ~ logNutrientsc*logNDSc*logNNNc, data = dat) summary(global.modelAcar) options(na.action=na.fail) MAcar <- dredge(global.modelAcar) MAcar und dies sind die ersten Zeilen des Ergebnisses: Global model call: …

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.