Statistiken und Big Data regression

4

Wenn ich ein interpretierbares Modell haben möchte, gibt es andere Methoden als die lineare Regression?

Ich bin auf einige Statistiker gestoßen, die niemals andere Modelle als die lineare Regression zur Vorhersage verwenden, weil sie der Meinung sind, dass "ML-Modelle" wie zufällige Gesamtstruktur- oder Gradientenerhöhungen schwer zu erklären oder "nicht interpretierbar" sind. In einer linearen Regression bieten die t-Tests eine Möglichkeit, die Signifikanz von Variablen zu …

16 regression machine-learning multiple-regression model-interpretation

3

Was ist ein Nullmodell in der Regression und wie hängt es mit der Nullhypothese zusammen?

Was ist ein Nullmodell in der Regression und in welcher Beziehung steht das Nullmodell zur Nullhypothese? Für mein Verständnis bedeutet es Verwenden Sie "Durchschnitt der Antwortvariablen", um eine kontinuierliche Antwortvariable vorherzusagen? Verwendung der "Etikettenverteilung" zur Vorhersage diskreter Antwortvariablen? Wenn dies der Fall ist, scheinen die Verbindungen zwischen der Nullhypothese zu …

16 regression hypothesis-testing classification terminology model

1

Kammregression umkehren: Finden Sie bei gegebener Antwortmatrix und gegebenen Regressionskoeffizienten geeignete Prädiktoren

Betrachten wir ein Standard OLS Regressionsproblem : Ich habe Matrizen und und ich möchte \ B finden, um L = \ | \ Y- \ X \ B \ | ^ 2 zu minimieren . Die Lösung ist gegeben durch \ hat \ B = \ argmin_ \ B \ …

16 regression least-squares ridge-regression

1

Pearson VS Deviance Residuen in der logistischen Regression

Ich weiß, dass standardisierte Pearson-Residuen auf traditionelle probabilistische Weise erhalten werden: rich= yich- πichπich( 1 - πich)--------√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} und Abweichungsreste werden auf statistischere Weise erhalten (der Beitrag jedes Punktes zur Wahrscheinlichkeit): dich= sich- 2 [ yichLogπich^+ ( 1 - yich) log( 1 - πich) ]--------------------------√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i …

16 regression logistic generalized-linear-model residuals deviance

1

Warum liegt bei der multiplen linearen Regression eine grafische Darstellung der vorhergesagten Punkte nicht auf einer geraden Linie?

Ich benutze multiple lineare Regression, um Beziehungen zwischen Y und X1, X2 zu beschreiben. Aus der Theorie habe ich verstanden, dass multiple Regression lineare Beziehungen zwischen Y und jedem von X (Y und X1, Y und X2) annimmt. Ich verwende keine Transformation von X. Also bekam ich das Modell mit …

16 regression multiple-regression python linear

2

Warum schrumpft die Gratregression einige Koeffizienten nicht auf Null wie Lasso?

Bei der Erklärung der LASSO-Regression wird häufig das Diagramm eines Diamanten und eines Kreises verwendet. Es wird gesagt, dass, da die Form der Beschränkung in LASSO ein Diamant ist, die erhaltene Lösung der kleinsten Quadrate die Ecke des Diamanten berühren könnte, so dass dies zu einer Schrumpfung einer Variablen führt. …

16 regression lasso ridge-regression

2

Frage zur Standardisierung der Kammregression

Hallo Leute, ich habe ein oder zwei Papiere gefunden, die die Ridge-Regression verwenden (für Basketballdaten). Mir wurde immer befohlen, meine Variablen zu standardisieren, wenn ich eine Gratregression durchführte, aber ich wurde einfach dazu aufgefordert, weil es sich bei dem Grat um eine Skalierungsvariante handelte (die Gratregression war nicht wirklich Teil …

16 regression standardization

1

Unter welchen Bedingungen kann die Kammregression eine Verbesserung gegenüber der normalen Regression der kleinsten Quadrate bewirken?

Die Ridge-Regression schätzt die Parameter in einem linearen Modell \ mathbf y = \ mathbf X \ boldsymbol \ beta nach \ hat {\ boldsymbol \ beta} _ \ lambda = (\ mathbf X ^ \ top \ mathbf X + \ lambda \ mathbf I) ^ {- 1} \ …

16 regression ridge-regression shrinkage

3

Literatur zur IV-Quantil-Regression

In den letzten Monaten habe ich mich intensiv mit der quantilen Regression in Vorbereitung auf meine Masterarbeit in diesem Sommer beschäftigt. Insbesondere habe ich den größten Teil von Roger Koenkers 2005er Buch zu diesem Thema gelesen. Jetzt möchte ich dieses vorhandene Wissen auf Quantilregressionstechniken erweitern, die instrumentelle Variablen (IV) berücksichtigen. …

16 regression references econometrics instrumental-variables quantile-regression

2

Darstellung der räumlichen und zeitlichen Korrelation auf Karten

Ich habe Daten für ein Netzwerk von Wetterstationen in den USA. Dies gibt mir einen Datenrahmen, der Datum, Breite, Länge und einige Messwerte enthält. Angenommen, die Daten werden einmal pro Tag erfasst und sind abhängig vom regionalen Wetter (nein, wir werden nicht auf diese Diskussion eingehen). Ich möchte grafisch zeigen, …

16 r regression data-visualization pca spatial

1

Frage zur Normalisierung des Regressionskoeffizienten

Ich bin nicht sicher, ob normalize das richtige Wort ist, aber ich werde mein Bestes geben, um zu veranschaulichen, was ich zu fragen versuche. Der hier verwendete Schätzer sind die kleinsten Quadrate. Angenommen, Sie haben . Sie können den Mittelwert um wobei und , also dass keinen Einfluss mehr auf …

16 regression self-study least-squares regression-coefficients

2

Messungen der Restheteroskedastizität

Dieser Wikipedia- Link listet eine Reihe von Techniken auf, um die Heteroskedastizität von OLS-Resten zu erkennen. Ich möchte erfahren, welche praktische Technik bei der Erkennung von Regionen, die von Heteroskedastizität betroffen sind, effizienter ist. Zum Beispiel hat hier die zentrale Region in der OLS-Darstellung "Residuals vs Fitted" eine höhere Varianz …

16 regression least-squares heteroscedasticity

2

Rücktransformation von Regressionskoeffizienten

Ich mache eine lineare Regression mit einer transformierten abhängigen Variablen. Die folgende Transformation wurde durchgeführt, damit die Annahme der Normalität der Residuen gelten würde. Die nicht transformierte abhängige Variable war negativ verzerrt, und die folgende Transformation hat sie nahezu normalisiert: Y=50−Yorig−−−−−−−−√Y=50−YorigY=\sqrt{50-Y_{orig}} wobei YorigYorigY_{orig} ist die abhängige Variable auf dem Originalmaßstab. …

16 regression data-transformation

3

Ist es überhaupt vertretbar, einen Datensatz nach der Größe des Residuums zu schichten und einen Vergleich mit zwei Stichproben durchzuführen?

Ich sehe das als eine Art Ad-hoc-Methode und es scheint mir sehr faul zu sein, aber vielleicht fehlt mir etwas. Ich habe dies in mehreren Regressionen gesehen, aber lassen Sie es uns einfach halten: yi=β0+β1xi+εiyi=β0+β1xi+εi y_{i} = \beta_{0} + \beta_{1} x_{i} + \varepsilon_{i} Nehmen Sie nun die Residuen aus dem …

16 regression residuals

2

Persistenz in Zeitreihen

Kann mir jemand sagen, was der Begriff "Persistenz" in der Zeitreihenanalyse bedeutet? Es geht um Ökonometrie und angewandte Regression.

16 regression time-series econometrics terminology

Als «regression» getaggte Fragen