Statistiken und Big Data regression

1

Minimale Punktzahl für eine lineare Regression

Was wäre eine "vernünftige" minimale Anzahl von Beobachtungen, um nach einem Trend im Zeitverlauf mit einer linearen Regression zu suchen? Wie wäre es mit der Anpassung eines quadratischen Modells? Ich arbeite mit zusammengesetzten Indizes der Ungleichheit in der Gesundheit (SII, RII) und habe nur 4 Wellen der Umfrage, also 4 …

15 regression

2

Multiple lineare Regression zum Testen von Hypothesen

Ich bin mit der Verwendung mehrerer linearer Regressionen vertraut, um Modelle verschiedener Variablen zu erstellen. Ich war jedoch neugierig, ob Regressionstests jemals zur Durchführung grundlegender Hypothesentests verwendet werden. Wenn ja, wie würden diese Szenarien / Hypothesen aussehen?

15 regression hypothesis-testing multiple-regression

2

Wenn ich jede Probenbeobachtung in einem linearen Regressionsmodell wiederhole und die Regression erneut durchführe, wie würde sich dies auf das Ergebnis auswirken?

Angenommen, ich habe N Beobachtungen, möglicherweise mehrere Faktoren, und ich wiederhole jede Beobachtung zweimal (oder M Mal).

15 regression linear-model multiple-regression

4

Effizientes Aktualisieren der linearen Regression beim Hinzufügen von Beobachtungen und / oder Prädiktoren in R

Ich würde gerne Wege in R finden, um ein lineares Modell effizient zu aktualisieren, wenn eine Beobachtung oder ein Prädiktor hinzugefügt wird. biglm kann beim Hinzufügen von Beobachtungen aktualisiert werden, aber meine Daten sind klein genug, um sich im Speicher zu befinden (obwohl ich eine große Anzahl von zu aktualisierenden …

15 r regression computational-statistics linear-model

2

Berechnung der Konfidenzintervalle für eine logistische Regression

Ich verwende eine binomiale logistische Regression, um zu ermitteln, ob ein Benutzer mit der Wahrscheinlichkeit auf etwas klickt has_xoder es has_ybeeinträchtigt. Mein Modell ist das folgende: fit = glm(formula = has_clicked ~ has_x + has_y, data=df, family = binomial()) Dies ist die Ausgabe von meinem Modell: Call: glm(formula = has_clicked …

15 regression logistic standard-error logit

1

Welche Mehrfachvergleichsmethode kann für ein älteres Modell verwendet werden: lsmeans oder glht?

Ich analysiere einen Datensatz unter Verwendung eines gemischten Effektmodells mit einem festen Effekt (Bedingung) und zwei zufälligen Effekten (Teilnehmer aufgrund des innerhalb des Motivs und des Paares). Das Modell wurde mit dem erzeugten lme4Paket: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Als nächstes führte ich einen Likelihood-Ratio-Test dieses Modells gegen das Modell ohne festen Effekt (Bedingung) …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

3

Nützlichkeit des Frisch-Waugh-Theorems

Ich soll den Satz von Frish Waugh in Ökonometrie unterrichten, den ich nicht studiert habe. Ich habe die Mathematik dahinter verstanden und hoffe auch, dass "der Koeffizient, den Sie für einen bestimmten Koeffizienten aus einem multiplen linearen Modell erhalten, dem Koeffizienten des einfachen Regressionsmodells entspricht, wenn Sie den Einfluss der …

15 regression econometrics least-squares projection decomposition

5

Warum Normalitätsannahme in linearer Regression

Meine Frage ist sehr einfach: Warum wählen wir Normal als Verteilung, der der Fehlerterm bei der Annahme der linearen Regression folgt? Warum wählen wir nicht andere wie Uniform, t oder was auch immer?

14 regression mathematical-statistics normal-distribution error linear

5

Wie berechne ich, ob meine lineare Regression einen statistisch signifikanten Unterschied zu einer bekannten theoretischen Linie aufweist?

Ich habe einige Daten, die entlang einer ungefähr linearen Linie passen: Wenn ich eine lineare Regression dieser Werte durchführe, erhalte ich eine lineare Gleichung: y=0.997x−0.0136y=0.997x−0.0136y = 0.997x-0.0136 In einer idealen Welt, die Gleichung sollte seine .y=xy=xy = x Offensichtlich liegen meine linearen Werte nahe an diesem Ideal, aber nicht genau. …

14 regression hypothesis-testing statistical-significance

5

Was ist die Notwendigkeit von Annahmen in der linearen Regression?

Bei der linearen Regression gehen wir von folgenden Annahmen aus Der Mittelwert der Antwort bei jedem Wertesatz der Prädiktoren ( x 1 i , x 2 i , ... ) ist eine lineare Funktion der Prädiktoren.E(Yi)E(Yi)E(Y_i)(x1i,x2i,…)(x1i,x2i,…)(x_{1i}, x_{2i},…) Die Fehler sind unabhängig.εiεiε_i Die Fehler bei jedem Satz von Werten der Prädiktoren …

14 regression assumptions

5

Warum verwendet die lineare Regression eine Kostenfunktion, die auf dem vertikalen Abstand zwischen der Hypothese und dem Eingabedatenpunkt basiert?

Angenommen, wir haben die Eingabe- (Prädiktor) und Ausgabedatenpunkte (Antwortdatenpunkte) A, B, C, D, E, und wir möchten eine Linie durch die Punkte einpassen. Dies ist ein einfaches Problem, um die Frage zu veranschaulichen, kann aber auch auf höhere Dimensionen ausgedehnt werden. Problemstellung Die derzeit beste Anpassung oder Hypothese wird durch …

14 regression linear fitting cost-maximization

5

Was bedeutet es, dass eine lineare Regression statistisch signifikant ist, aber ein sehr niedriges Quadrat aufweist?

Ich verstehe das so, dass das Modell einzelne Datenpunkte schlecht vorhersagt, aber einen festen Trend festgestellt hat (z. B. steigt y, wenn x steigt).

14 regression inference r-squared linear

2

Warum hat die lineare Regression Annahmen über das Residuum, aber das verallgemeinerte lineare Modell hat Annahmen über die Reaktion?

Warum haben lineare Regression und verallgemeinertes Modell inkonsistente Annahmen? Bei der linearen Regression nehmen wir an, dass der Rest von Gauß stammt Bei einer anderen Regression (logistische Regression, Gift-Regression) gehen wir davon aus, dass die Reaktion von einer gewissen Verteilung ausgeht (Binomial, Poission usw.). Warum nehmen Sie manchmal Rest- und …

14 regression generalized-linear-model assumptions linear

3

Warum ist es gültig, Zeitreihen mit Regression zu verfälschen?

Es mag eine komische Frage sein, aber als Anfänger frage ich mich, warum wir die Regression verwenden, um eine Zeitreihe abzutrennen, wenn eine der Annahmen der Regression darin besteht, dass die Daten, auf die die Regression angewendet wird, a sind nicht iid?

14 regression time-series trend iid

2

Welches Modell würde bei zwei linearen Regressionsmodellen eine bessere Leistung erbringen?

Ich habe an meinem College einen Maschinellen Lernkurs absolviert. In einem der Quiz wurde diese Frage gestellt. Modell 1: Modell 2:y=θx+ϵy=θx+ϵ y = \theta x + \epsilon y=θx+θ2x+ϵy=θx+θ2x+ϵ y = \theta x + \theta^2 x + \epsilon Welches der oben genannten Modelle passt besser zu Daten? (Angenommen, Daten können mit …

14 regression machine-learning self-study modeling model

Als «regression» getaggte Fragen