Statistiken und Big Data multiple-regression

1

Was bedeuten Interaktionen von Spline- und Nicht-Spline-Begriffen?

Wenn ich meine Daten mit etwas wie lm(y~a*b)in der R-Syntax anpasse, wobei aes sich um eine binäre Variable und beine numerische Variable handelt, ist der a:bInteraktionsterm die Differenz zwischen der Steigung von y~bat a= 0 und at a= 1. Nehmen wir nun an, die Beziehung zwischen yund bist krummlinig. Wenn …

10 r multiple-regression splines

1

Hilfe bei der SEM-Modellierung (OpenMx, Polycor)

Ich habe viele Probleme mit einem Datensatz, auf den ich SEM anwenden möchte. Wir nehmen die Existenz von 5 latenten Faktoren A, B, C, D, E mit Indikatoren bzw. A1 bis A5 (geordnete Faktoren), B1 bis B3 (quantitativ), C1, D1, E1 (alle letzten drei geordneten Faktoren mit nur 2 Ebenen …

10 r modeling multiple-regression sem

3

Warum sollte man in einer genetischen Assoziationsstudie das Quadrat des Alters als Kovariate verwenden?

Warum sollte man in einer genetischen Assoziationsstudie Alter und Altersquadrat als Kovariaten verwenden? Ich kann die Verwendung des Alters verstehen, wenn es als signifikante Kovariate identifiziert wurde, aber ich bin hinsichtlich der Verwendung des Alters im Quadrat ratlos.

10 multiple-regression polynomial predictor bioinformatics genetics

1

Wann werden Prädiktorvariablen bei multipler Regression transformiert?

Ich nehme derzeit an meiner ersten Klasse für angewandte lineare Regression teil und habe Probleme mit der Transformation von Prädiktorvariablen bei der multiplen linearen Regression. Der Text, den ich verwende, Kutner et al. "Angewandte lineare statistische Modelle", scheint die Frage, die ich habe, nicht abzudecken. (abgesehen davon, dass es eine …

10 data-transformation multiple-regression

2

Warum sollten wir in der linearen Regression quadratische Terme einbeziehen, wenn wir nur an Interaktionstermen interessiert sind?

Angenommen, ich interessiere mich für ein lineares Regressionsmodell für , weil ich sehen möchte, ob eine Wechselwirkung zwischen den beiden Kovariaten einen Einfluss auf Y hat.Yi=β0+β1x1+β2x2+β3x1x2Yi=β0+β1x1+β2x2+β3x1x2Y_i = \beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_1x_2 In den Kursnotizen eines Professors (mit denen ich keinen Kontakt habe) heißt es: Wenn Sie Interaktionsbegriffe …

10 regression multiple-regression interaction linear-model

1

Warum würden Sie aus einem Mischeffektmodell vorhersagen, ohne zufällige Effekte für die Vorhersage einzubeziehen?

Dies ist eher eine konzeptionelle Frage, aber während ich sie verwende, werde Rich auf die Pakete in verweisen R. Wenn das Ziel darin besteht, ein lineares Modell für Vorhersagezwecke anzupassen und dann Vorhersagen zu treffen, bei denen die zufälligen Effekte möglicherweise nicht verfügbar sind, hat die Verwendung eines Modells mit …

10 r multiple-regression mixed-model lme4-nlme

3

Prognose von Zeitreihendaten mit externen Variablen

Derzeit arbeite ich an einem Projekt zur Vorhersage von Zeitreihendaten (monatliche Daten). Ich benutze R, um die Vorhersage zu machen. Ich habe 1 abhängige Variable (y) und 3 unabhängige Variablen (x1, x2, x3). Die y-Variable hat 73 Beobachtungen, ebenso wie die anderen 3 Variablen (auch 73). Von Januar 2009 bis …

10 time-series multiple-regression forecasting lags

3

Beziehung zwischen der einfachen Regression und der multiplen Regression

Eine sehr grundlegende Frage bezüglich des der OLS-RegressionenR2R2R^2 Führen Sie die OLS-Regression y ~ x1 aus, wir haben ein , sagen wir 0,3R2R2R^2 Führen Sie die OLS-Regression y ~ x2 aus. Wir haben ein weiteres , z. B. 0,4R2R2R^2 Jetzt führen wir eine Regression y ~ x1 + x2 durch. …

10 regression multiple-regression least-squares r-squared

1

Welches Bootstrap-Regressionsmodell sollte ich wählen?

Ich habe ein binäres logistisches Regressionsmodell mit einem DV (Krankheit: Ja / Nein) und 5 Prädiktoren (Demografie [Alter, Geschlecht, Tabakrauchen (Ja / Nein)], einem medizinischen Index (Ordnungszahl) und einer zufälligen Behandlung [Ja / Nein ]). Ich habe auch alle zweiseitigen Interaktionsterme modelliert. Die Hauptvariablen sind zentriert und es gibt keine …

10 regression logistic multiple-regression bootstrap

3

Möglicher Bereich von

Angenommen, es gibt drei Zeitreihen, , undX1X1X_1X2X2X_2YYY Laufende gewöhnliche lineare Regression auf ~ ( ), erhalten wir . Die gewöhnliche lineare Regression ~ erhält . Angenommen,YYYX1X1X_1Y=bX1+b0+ϵY=bX1+b0+ϵY = b X_1 + b_0 + \epsilonR2=UR2=UR^2 = UYYYX2X2X_2R2=VR2=VR^2 = VU<VU<VU < V Was sind die minimal und maximal möglichen Werte von bei der …

10 regression multiple-regression r-squared

1

R lineare Regression kategoriale Variable "versteckter" Wert

Dies ist nur ein Beispiel, auf das ich mehrmals gestoßen bin, daher habe ich keine Beispieldaten. Ausführen eines linearen Regressionsmodells in R: a.lm = lm(Y ~ x1 + x2) x1ist eine stetige Variable. x2ist kategorisch und hat drei Werte, z. B. "Niedrig", "Mittel" und "Hoch". Die von R gegebene Ausgabe …

10 r regression categorical-data regression-coefficients categorical-encoding machine-learning random-forest anova spss r self-study bootstrap monte-carlo r multiple-regression partitioning neural-networks normalization machine-learning svm kernel-trick self-study survival cox-model repeated-measures survey likert correlation variance sampling meta-analysis anova independence sample assumptions bayesian covariance r regression time-series mathematical-statistics graphical-model machine-learning linear-model kernel-trick linear-algebra self-study moments function correlation spss probability confidence-interval sampling mean population r generalized-linear-model prediction offset data-visualization clustering sas cart binning sas logistic causality regression self-study standard-error r distributions r regression time-series multiple-regression python chi-squared independence sample clustering data-mining rapidminer probability stochastic-processes clustering binary-data dimensionality-reduction svd correspondence-analysis data-visualization excel c# hypothesis-testing econometrics survey rating composite regression least-squares mcmc markov-process kullback-leibler convergence predictive-models r regression anova confidence-interval survival cox-model hazard normal-distribution autoregressive mixed-model r mixed-model sas hypothesis-testing mediation interaction

3

Wo ist die gemeinsame Varianz zwischen allen IVs in einer linearen multiplen Regressionsgleichung?

Wenn in einer linearen multiplen Regressionsgleichung die Beta-Gewichte den Beitrag jeder einzelnen unabhängigen Variablen über den Beitrag aller anderen IVs hinaus widerspiegeln, wobei in der Regressionsgleichung die Varianz von allen IVs geteilt wird, die den DV vorhersagen? Wenn beispielsweise das unten angezeigte Venn-Diagramm (und von der Info -Seite des Lebenslaufs …

10 multiple-regression sums-of-squares

2

Regressionskoeffizienten nach verschiedenen Differenzen interpretieren

Es gibt nur wenige Erklärungen, die beschreiben, wie lineare Regressionskoeffizienten nach Differenzierung einer Zeitreihe interpretiert werden (um eine Einheitswurzel zu eliminieren). Ist es so einfach, dass es nicht nötig ist, es formell zu formulieren? (Ich bin mir dieser Frage bewusst , war mir aber nicht sicher, wie allgemein die Antwort …

10 time-series multiple-regression econometrics linear-model inference

3

Angepasste vs. nicht angepasste Effekte in der Regression

Ist "nicht angepasst" im Grunde nur eine einfache lineare Regression, während "angepasst" eine multiple Regression ist? Betrachten Sie beispielsweise die Auswirkung von x auf y, indem Sie andere Variablen wie a, b und c anpassen, anstatt sie nicht anzupassen.

10 regression multiple-regression

4

Ist es möglich, angepasste Residuen nach Anpassen eines linearen Modells in Bias und Varianz zu zerlegen?

Ich möchte Datenpunkte so klassifizieren, dass sie entweder ein komplexeres Modell oder kein komplexeres Modell benötigen. Mein derzeitiger Gedanke ist es, alle Daten an ein einfaches lineares Modell anzupassen und die Größe der Residuen zu beobachten, um diese Klassifizierung vorzunehmen. Ich habe dann etwas über die Verzerrungs- und Varianzbeiträge zum …

9 regression multiple-regression residuals bias-variance-tradeoff

Als «multiple-regression» getaggte Fragen