Statistiken und Big Data multicollinearity

1

Standardisierung von Variablen und Kollinearität

Kollinearität kann bestimmte Probleme bei verschiedenen Arten von Regressionsproblemen aufwerfen. Insbesondere kann dies dazu führen, dass die Parameterschätzungen eine hohe Varianz aufweisen und instabil sind. Es wurden verschiedene Methoden vorgeschlagen, um dies zu bewältigen, einschließlich Gratregression, partielle Regression der kleinsten Quadrate, Regression der Hauptkomponenten, Löschen von Variablen und Abrufen von …

10 multicollinearity

3

Bestimmung der statistischen Signifikanz des linearen Regressionskoeffizienten bei Vorhandensein von Multikollinearität

Angenommen, ich habe eine Reihe von Städten mit unterschiedlichen Bevölkerungsgrößen und wollte wissen, ob es eine positive lineare Beziehung zwischen der Anzahl der Spirituosengeschäfte in einer Stadt und der Anzahl der DUIs gibt. Wo ich anhand eines t-Tests des geschätzten Regressionskoeffizienten feststelle, ob diese Beziehung signifikant ist oder nicht. Jetzt …

9 regression multicollinearity

4

Wie interpretiere ich eine Überlebenskurve des Cox-Hazard-Modells?

Wie interpretieren Sie eine Überlebenskurve aus dem Cox-Proportional-Hazard-Modell? Nehmen wir in diesem Spielzeugbeispiel an, wir haben ein Cox-Proportional-Hazard-Modell für ageVariablen in kidneyDaten und generieren die Überlebenskurve. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Welche Aussage ist zum Zeitpunkt zum Beispiel wahr? oder sind beide falsch?200200200 Statement 1: Wir …

9 r survival cox-model likelihood machine-learning deep-learning generative-models machine-learning reinforcement-learning q-learning regression multicollinearity convergence beta-distribution bernoulli-distribution machine-learning self-study pattern-recognition neural-networks stochastic-processes linear

1

Können standardisierte

Ich versuche, die Ergebnisse eines Artikels zu interpretieren, in dem mehrere Regressionen angewendet wurden, um verschiedene Ergebnisse vorherzusagen. Die -Werte (standardisierte B-Koeffizienten, definiert als β x 1 = B x 1 ⋅ S D x 1)ββ\beta wobeiydie abhängige Variable undx1ein Prädiktor ist) berichtet, scheint nicht mit dem gemeldetenR2übereinzustimmen:βx1=Bx1⋅SDx1SDyβx1=Bx1⋅SDx1SDy\beta_{x_1} = B_{x_1} …

9 regression regression-coefficients multicollinearity r-squared

3

Satz unkorrelierter, aber linear abhängiger Variablen

Ist es möglich, eine Reihe von Variablen zu haben, die nicht korreliert, aber linear abhängig sind?KK.K dh und∑ K i = 1 a i x i = 0cor(xi, xj) = 0cÖr(xich,xj)=0cor(x_i, x_j)=0∑K.i = 1einichxich= 0∑ich=1K.einichxich=0 \sum_{i=1}^K a_ix_i=0 Wenn ja, können Sie ein Beispiel schreiben? EDIT: Aus den Antworten folgt, dass …

9 correlation mathematical-statistics multicollinearity

1

Interaktionsterm mit hierarchischer Regressionsanalyse mit zentrierten Variablen? Welche Variablen sollten wir zentrieren?

Ich führe eine hierarchische Regressionsanalyse durch und habe einige kleine Zweifel: Berechnen wir den Interaktionsterm anhand der zentrierten Variablen? Müssen wir ALLE stetigen Variablen im Datensatz zentrieren, mit Ausnahme der abhängigen Variablen? Wenn wir einige Variablen protokollieren müssen (weil ihre SD viel höher als ihr Mittelwert ist), zentrieren wir dann …

9 interaction multicollinearity centering

3

Vorzeichenwechsel beim Hinzufügen einer weiteren Variablen in der Regression und mit viel größerer Größe

Grundeinstellung: Regressionsmodell: wobei C der Vektor der Kontrollvariablen ist.y=constant+β1x1+β2x2+β3x3+β4x4+αC+ϵy=constant+β1x1+β2x2+β3x3+β4x4+αC+ϵy = \text{constant} +\beta_1x_1+\beta_2x_2+\beta_3x_3+\beta_4x_4+\alpha C+\epsilon Ich interessiere mich für und erwarte, dass und negativ sind. Es gibt jedoch ein Multikollinearitätsproblem im Modell. Der Korrelationskoeffizient ist gegeben durch corr ( , 0,9345, corr ( , x_3) = 0,1765, corr ( x_2 , x_3) …

9 regression multicollinearity

1

Multiple Regression mit fehlender Prädiktorvariable

Angenommen, wir erhalten einen Satz von Daten der Form und . Wir haben die Aufgabe, basierend auf den Werten von vorherzusagen . Wir schätzen zwei Regressionen, bei denen: ( y , x 1 , x 2 , ⋯ , x n - 1 ) y x y(y,x1,x2,⋯,xn)(y,x1,x2,⋯,xn)(y,x_{1},x_{2},\cdots, x_{n})( y, x1, …

9 regression multiple-regression missing-data multicollinearity multiple-imputation

2

Wenn die Multikollinearität hoch ist, würden die LASSO-Koeffizienten auf 0 schrumpfen?

Gegeben , was ist das theoretische Verhalten von LASSO - Koeffizienten und warum?x2=2x1x2=2x1x_2 = 2 x_1 Würde einer von oder auf oder beide schrumpfen ?x1x1x_1x2x2x_2000 require(glmnet) x1 = runif(100, 1, 2) x2 = 2*x1 x_train = cbind(x1, x2) y = 100*x1 + 100 + runif(1) ridge.mod = cv.glmnet(x_train, y, alpha …

9 lasso multicollinearity

4

Wie kann die Kollinearität kategorialer Variablen bei der logistischen Regression vermieden werden?

Ich habe das folgende Problem: Ich führe eine mehrfache logistische Regression für mehrere Variablen durch, von denen jede eine nominelle Skala hat. Ich möchte Multikollinearität in meiner Regression vermeiden. Wenn die Variablen kontinuierlich wären, könnte ich den Varianzinflationsfaktor (VIF) berechnen und nach Variablen mit einem hohen VIF suchen. Wenn die …

9 regression logistic multiple-regression multicollinearity

2

Bewertung der Multikollinearität dichotomer Prädiktorvariablen

Ich arbeite an einem Projekt, in dem wir das Verhalten einer Aufgabe beobachten (z. B. Reaktionszeit) und dieses Verhalten als Funktion mehrerer experimentell manipulierter Variablen sowie mehrerer beobachteter Variablen (Geschlecht der Teilnehmer, IQ der Teilnehmer, Antworten auf eine Folge) modellieren. Fragebogen). Ich habe keine Bedenken hinsichtlich der Multikollinearität zwischen den …

8 regression binomial independence multicollinearity likelihood-ratio

2

Multikollinearität zwischen ln (x) und ln (x) ^ 2

Ich verwende ein negatives Binomialmodell und eine meiner Prädiktorvariablen ist eine Zählvariable. Da diese Variable stark verzerrt war, habe ich beschlossen, sie logarithmisch zu transformieren. Es wird jedoch angenommen, dass der Effekt dieser Variablen nicht linear ist. Sobald ich jedoch den quadratischen Term in mein Modell einbeziehe, erhalte ich VIFs …

7 multicollinearity logarithm vif

2

Warum benutzen wir nicht einfach

Immerhin berechnen wir das VIF mit 1 / ( 1 -R.2j)1/(1−Rj2)1/(1-R_j^2). Ein VIF von555 entspricht einem R.2J.RJ2R_J^2 von 0,80.80.8. Für mich sind die Informationen vonR.2jRj2R_j^2wird nur dunkler, wenn ich die VIF-Formel anwende. Warum kann ich nicht einfach verwendenR.2jRj2R_j^2 Multikollinearität zu erkennen?

7 variance multicollinearity vif

1

Was sind einige der möglichen Konsequenzen des Hinzufügens von Junk-Steuerelementen in Ihrer Regression?

Angenommen, ich führe eine Regression durch, bei der meine abhängige Variable Mord ist und meine interessierende Variable der Zugang zu gewalttätigen Videospielen ist. Nehmen wir an, ich werfe auch das Spülbecken in Bezug auf meine Kontrollvariablen ein - ich habe 38 demografische Kontrollen, 30 kriminologische Kontrollen, die relevant sein können …

7 regression generalized-linear-model multicollinearity

2

Wo ist der erklärende Effekt der gemeinsamen Varianz zwischen Kovariaten in Regressionsverfahren zu berücksichtigen?

Im Anschluss an die hervorragenden Antworten für: Ist die Reihenfolge der erklärenden Variablen bei der Berechnung ihrer Regressionskoeffizienten von Bedeutung? (Was ich aus pädagogischer Sicht als unglaublich nützlich empfunden habe) Ich habe mich gefragt, wie genau es gelingt, Regressionskoeffizienten bereitzustellen, wenn wir mit hohen kollinearen Daten arbeiten (abgesehen von dem …

7 regression multiple-regression residuals multicollinearity

Als «multicollinearity» getaggte Fragen