Als «regression» getaggte Fragen

Techniken zum Analysieren der Beziehung zwischen einer (oder mehreren) "abhängigen" Variablen und "unabhängigen" Variablen.

2
Überlebensraten-Trends in Fall-Kontroll-Studien
Ich habe einen Artikel eingereicht, der aufgrund der unsachgemäßen Durchführung der Überlebensanalyse abgelehnt wurde. Der Schiedsrichter hinterließ keine anderen Details oder Erklärungen als: "Die Überlebensanalyse von Zeittrends erfordert differenziertere Zensurmethoden." Die Frage: Wurde das übermäßige Todesrisiko bei Rauchern in den letzten Jahrzehnten verringert? Daten: 25.000 Raucher in Deutschland. Sie wurden …
2
Bewerten Sie die posteriore prädiktive Verteilung in der Bayes'schen linearen Regression
Ich bin verwirrt darüber, wie die posteriore prädiktive Verteilung für die Bayes'sche lineare Regression nach dem hier auf Seite 3 beschriebenen und unten kopierten Grundfall bewertet werden soll. p ( y~∣ y)=∫p(y~∣β,σ2)p(β,σ2∣y)p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y) p(\tilde y \mid y) = \int p(\tilde y \mid \beta, \sigma^2) p(\beta, \sigma^2 \mid y) Der Grundfall ist …
5
Ist die Verwendung von Dezilen zur Ermittlung der Korrelation ein statistisch gültiger Ansatz?
Ich habe eine Stichprobe von 1.449 Datenpunkten, die nicht korreliert sind (r-Quadrat 0,006). Bei der Analyse der Daten stellte ich fest, dass durch die Aufteilung der unabhängigen Variablenwerte in positive und negative Gruppen ein signifikanter Unterschied im Durchschnitt der abhängigen Variablen für jede Gruppe zu bestehen scheint. Wenn die Punkte …
3
Wie erhält man p-Werte von Koeffizienten aus der Bootstrap-Regression?
Aus Robert Kabacoffs Quick-R habe ich # Bootstrap 95% CI for regression coefficients library(boot) # function to obtain regression weights bs <- function(formula, data, indices) { d <- data[indices,] # allows boot to select sample fit <- lm(formula, data=d) return(coef(fit)) } # bootstrapping with 1000 replications results <- boot(data=mtcars, statistic=bs, …
4
Zeitdiskretes Ereignisverlaufsmodell (Überlebensmodell) in R.
Ich versuche, ein zeitdiskretes Modell in R einzubauen, bin mir aber nicht sicher, wie ich das machen soll. Ich habe gelesen, dass Sie die abhängige Variable in verschiedenen Zeilen organisieren können, eine für jede glmZeitbeobachtung , und die Funktion mit einem Logit- oder Cloglog-Link verwenden können. In diesem Sinne, ich …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 
1
Kernel Ridge Regressionseffizienz
Die Ridge-Regression kann ausgedrückt werden als wobei die vorhergesagte Bezeichnung ist , die Identifizierungsmatrix, das Objekt, für das wir eine Bezeichnung finden möchten, und die Matrix von Objekten so dass:y^=(X′X+aId)−1Xxy^=(X′X+aId)−1Xx\hat{y} = (\mathbf{X'X} + a\mathbf{I}_d)^{-1}\mathbf{X}xy^y^\hat{y}IdId\mathbf{I}_dd×dd×dd \times dxx\mathbf{x}XX\mathbf{X}n×dn×dn \times dnnnxi=(xi,1,...,xi,d)∈Rdxi=(xi,1,...,xi,d)∈Rd\mathbf{x}_i = (x_{i,1}, ..., x_{i,d})\in \mathbb{R}^d X=⎛⎝⎜⎜⎜⎜⎜x1,1x2,1⋮xn,1x1,2x2,2⋮x1,2……⋱…x1,dx2,d⋮xn,d⎞⎠⎟⎟⎟⎟⎟X=(x1,1x1,2…x1,dx2,1x2,2…x2,d⋮⋮⋱⋮xn,1x1,2…xn,d) \mathbf{X} = \begin{pmatrix} x_{1,1} & x_{1,2} …
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&lt;VU&lt;VU < V Was sind die minimal und maximal möglichen Werte von bei der …
1
Ist es akzeptabel, zwei lineare Modelle mit demselben Datensatz auszuführen?
Ist es für eine lineare Regression mit mehreren Gruppen (natürliche Gruppen, die a priori definiert wurden) akzeptabel, zwei verschiedene Modelle mit demselben Datensatz auszuführen, um die folgenden zwei Fragen zu beantworten? Hat jede Gruppe eine Steigung ungleich Null und einen Achsenabschnitt ungleich Null und welche Parameter gibt es für jede …
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 
2
Zufällige Gesamtstruktur für gruppierte Daten
Ich verwende zufällige Gesamtstruktur für hochdimensionale gruppierte Daten (50 numerische Eingabevariablen), die eine hierachische Struktur haben. Die Daten wurden mit 6 Replikationen an 30 Positionen von 70 verschiedenen Objekten gesammelt, was zu 12600 Datenpunkten führte, die nicht unabhängig sind. Es scheint, dass eine zufällige Gesamtstruktur die Daten überpasst, da der …
1
vcovHC, vcovHAC, NeweyWest - welche Funktion soll verwendet werden?
Ich versuche, mein lm () -basiertes Modell zu aktualisieren, um korrekte Standardfehler und -tests zu erhalten. Ich bin wirklich verwirrt, welche VC-Matrix ich verwenden soll. Die sandwichPaketangebote vcovHC, vcovHACund NeweyWest. Während erstere nur die Heteroskedastizität erklären, erklären die beiden letzteren sowohl die serielle Korrelation als auch die Heteroskedastizität. Die Dokumentation …
1
Können wir Korrelationen zwischen Gruppen vergleichen, indem wir Regressionssteigungen vergleichen?
In dieser Frage fragen sie, wie Pearson r für zwei unabhängige Gruppen (wie Männer gegen Frauen) verglichen werden kann. Antworten und Kommentare schlugen zwei Möglichkeiten vor: Verwenden Sie die bekannte Formel von Fisher unter Verwendung der "z-Transformation" von r; Verwenden Sie den Vergleich von Steigungen (Regressionskoeffizienten). Letzteres könnte einfach über …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.