Statistiken und Big Data regression

3

Wie vergleiche ich Bootstrap-Regressionssteigungen?

Nehmen wir an, ich habe zwei Datensätze mit jeweils n Beobachtungen von Datenpaaren der unabhängigen Variablen x und der abhängigen Variablen y . Nehmen wir weiter an, ich möchte für jeden Datensatz eine Verteilung der Regressionssteigungen erzeugen, indem ich die Beobachtungen (mit Ersetzung) N- mal bootstrappe und die Regression y …

13 regression statistical-significance bootstrap

6

Endogenität versus unbeobachtete Heterogenität

Was ist der Unterschied zwischen Endogenität und nicht beobachteter Heterogenität? Ich weiß, dass Endogenität zum Beispiel von ausgelassenen Variablen herrührt. Soweit ich weiß, verursacht eine unbeobachtete Heterogenität dasselbe Problem. Aber wo genau liegt der Unterschied zwischen diesen beiden Begriffen?

13 regression assumptions

4

Vergleich der Wichtigkeit verschiedener Sätze von Prädiktoren

Ich habe einen Forschungsstudenten mit einem bestimmten Problem beraten und wollte unbedingt die Meinung anderer auf dieser Website einholen. Kontext: Der Forscher hatte drei Arten von Prädiktorvariablen. Jeder Typ enthielt eine andere Anzahl von Prädiktorvariablen. Jeder Prädiktor war eine kontinuierliche Variable: Soziales: S1, S2, S3, S4 (dh vier Prädiktoren) Kognitiv: …

13 regression predictor importance

3

Ist ein Prädiktor mit größerer Varianz „besser“?

Ich habe eine Konzeptfrage zur "Grundstatistik". Als Student würde ich gerne wissen, ob ich darüber völlig falsch nachdenke und warum, wenn ja: Nehmen wir an, ich versuche hypothetisch, die Beziehung zwischen "Anger Management Issues" und Scheidung (Ja / Nein) in einer logistischen Regression zu untersuchen, und ich habe die Option, …

13 regression logistic

1

Zeitreihenregression mit überlappenden Daten

Ich sehe ein Regressionsmodell, das gegenüber dem Vorjahr rückläufig ist. Die Renditen der Aktienindizes sind verzögert (12 Monate). Die Renditen desselben Aktienindex, Credit Spread (Differenz zwischen dem Monatsmittel der risikofreien Anleihen und Unternehmensanleihen) sind gegenüber dem Vorjahr rückläufig Renditen), Inflationsrate im Jahresvergleich und Jahresindex der Industrieproduktion. Es sieht so aus …

13 regression time-series autocorrelation

1

Methoden zur Anpassung eines „einfachen“ Messfehlermodells

Ich suche nach Methoden, mit denen sich das Messfehlermodell "OLS" abschätzen lässt. yi=Yi+ey,iyi=Yi+ey,iy_{i}=Y_{i}+e_{y,i} xi=Xi+ex,ixi=Xi+ex,ix_{i}=X_{i}+e_{x,i} Yi=α+βXiYi=α+βXiY_{i}=\alpha + \beta X_{i} Wobei die Fehler unabhängig normal sind mit unbekannten Varianzen und . "Standard" OLS funktioniert in diesem Fall nicht.σ2yσy2\sigma_{y}^{2}σ2xσx2\sigma_{x}^{2} Wikipedia hat einige unattraktive Lösungen - die beiden genannten zwingen Sie anzunehmen, dass entweder …

13 regression estimation errors-in-variables

3

GLMNET oder LARS für die Berechnung von LASSO-Lösungen?

Ich möchte die Koeffizienten für das LASSO-Problem erhalten ||Y−Xβ||+λ||β||1.||Y−Xβ||+λ||β||1.||Y-X\beta||+\lambda ||\beta||_1. Das Problem ist, dass die Funktionen glmnet und lars unterschiedliche Antworten geben. Für die glmnet-Funktion frage ich nach den Koeffizienten von statt nur λ , aber ich bekomme immer noch andere Antworten.λ/||Y||λ/||Y||\lambda/||Y||λλ\lambda Wird das erwartet? Wie ist die Beziehung zwischen …

13 r machine-learning regression lasso regularization

1

LARS gegen Koordinatenabstieg für das Lasso

Welche Vor- und Nachteile hat die Verwendung von LARS [1] im Vergleich zur Verwendung der Koordinatenabsenkung für die Anpassung der L1-regulierten linearen Regression? Ich interessiere mich hauptsächlich für Leistungsaspekte (meine Probleme sind Nin der Regel Hunderttausende und p<20). Es sind jedoch auch andere Erkenntnisse erwünscht. edit: Seitdem ich die Frage …

13 regression lasso regularization regression references lasso regularization elastic-net r distributions aggregation clustering algorithms regression correlation modeling distributions time-series standard-deviation goodness-of-fit hypothesis-testing statistical-significance sample binary-data estimation random-variable interpolation distributions probability chi-squared predictor outliers regression modeling interaction

3

Koeffizienten hinzufügen, um Interaktionseffekte zu erzielen - was tun mit SEs?

Ich habe eine multivariate Regression, die Interaktionen einschließt. Um beispielsweise die Schätzung des Behandlungseffekts für das ärmste Quintil zu erhalten, muss ich die Koeffizienten aus dem Behandlungsregressor zu dem Koeffizienten aus der Interaktionsvariablen (die Behandlung und Quintil 1 interagiert) addieren. Wie erhält man Standardfehler, wenn man zwei Koeffizienten aus einer …

13 regression standard-deviation standard-error

2

Gibt es Umstände, unter denen schrittweise Regression angewendet werden sollte?

In der Vergangenheit war die schrittweise Regression in vielen biomedizinischen Veröffentlichungen überstrapaziert. Dies scheint sich jedoch durch eine bessere Aufklärung der zahlreichen Themen zu verbessern. Viele ältere Rezensenten fragen jedoch noch danach. Unter welchen Umständen spielt die schrittweise Regression eine Rolle und sollte gegebenenfalls angewendet werden?

13 regression multiple-regression feature-selection model-selection stepwise-regression

1

AIC der Gratregression: Freiheitsgrade vs. Anzahl der Parameter

Ich möchte den AICc eines Gratregressionsmodells berechnen. Das Problem ist die Anzahl der Parameter. Für die lineare Regression schlagen die meisten Menschen vor, dass die Anzahl der Parameter der Anzahl der geschätzten Koeffizienten plus Sigma (der Varianz des Fehlers) entspricht. Wenn es um die Gratregression geht, lese ich, dass die …

13 regression aic ridge-regression degrees-of-freedom

2

Wie definiere ich einen Ablehnungsbereich ohne UMP?

Betrachten Sie das lineare Regressionsmodell y=Xβ+uy=Xβ+u\mathbf{y}=\mathbf{X\beta}+\mathbf{u} , u∼N(0,σ2I)u∼N(0,σ2I)\mathbf{u}\sim N(\mathbf{0},\sigma^2\mathbf{I}) , E(u∣X)=0E(u∣X)=0E(\mathbf{u}\mid\mathbf{X})=\mathbf{0} . Sei vs .H 1 : σ 2 0 & ne; σ 2H0:σ20=σ2H0:σ02=σ2H_0: \sigma_0^2=\sigma^2H1:σ20≠σ2H1:σ02≠σ2H_1: \sigma_0^2\neq\sigma^2 Wir können ableiten, dass , wobei . Und ist die typische Notation für die Vernichtermatrix, , wobei die abhängige Variable ist \ mathbf {y} …

13 regression hypothesis-testing mathematical-statistics inference

3

Einfache lineare Regression, p-Werte und der AIC

Mir ist klar, dass dieses Thema schon einige Male vorgekommen ist , aber ich bin mir immer noch unsicher, wie ich meine Regressionsergebnisse am besten interpretieren kann. Ich habe einen sehr einfachen Datensatz, bestehend aus einer Spalte mit x-Werten und einer Spalte mit y-Werten , aufgeteilt in zwei Gruppen nach …

13 regression p-value least-squares aic

2

Warum Gruppen-Lasso anstelle von Lasso verwenden?

Ich habe gelesen, dass das Gruppen-Lasso für die Variablenauswahl und die Sparsamkeit in einer Gruppe von Variablen verwendet wird. Ich möchte die Intuition hinter dieser Behauptung kennen. Warum wird Gruppenlasso dem Lasso vorgezogen? Warum ist der Lösungsweg des Gruppen-Lassos nicht stückweise linear?

13 regression feature-selection lasso regularization

3

Ersetzen von Variablen durch WoE (Weight of Evidence) in der logistischen Regression

Dies ist eine Frage zu einer Praxis oder Methode, die von einigen meiner Kollegen befolgt wird. Bei der Erstellung eines logistischen Regressionsmodells habe ich gesehen, dass Personen kategoriale Variablen (oder fortlaufende Variablen, die in Gruppen zusammengefasst sind) durch ihre jeweilige Beweiskraft (Weight of Evidence, WoE) ersetzen. Dies soll eine monotone …

13 regression logistic categorical-data modeling

Als «regression» getaggte Fragen