Statistiken und Big Data residuals

1

Bleiben autokorrelierte Residuenmuster auch in Modellen mit geeigneten Korrelationsstrukturen erhalten und wie werden die besten Modelle ausgewählt?

Kontext Diese Frage verwendet R, bezieht sich jedoch auf allgemeine statistische Fragen. Ich analysiere die Auswirkungen von Mortalitätsfaktoren (% Mortalität aufgrund von Krankheit und Parasitismus) auf die Wachstumsrate der Mottenpopulation im Laufe der Zeit, wobei Larvenpopulationen 8 Jahre lang einmal pro Jahr an 12 Standorten beprobt wurden. Die Daten zur …

17 model-selection autocorrelation residuals panel-data spatio-temporal

4

Bestätigung der Verteilung von Residuen in linearer Regression

Angenommen, wir haben eine einfache lineare Regression , die Residuen gespeichert und ein Histogramm der Verteilung der Residuen erstellt. Wenn wir etwas bekommen, das wie eine vertraute Distribution aussieht, können wir annehmen, dass unser Fehlerbegriff diese Distribution hat? Wenn wir herausfinden, dass Residuen der Normalverteilung ähneln, ist es dann sinnvoll, …

17 r regression residuals

2

Wie interpretiere ich diesen angepassten vs Residuen Plot?

Ich verstehe Heteroskedastizität nicht wirklich. Ich würde gerne wissen, ob mein Modell für diese Handlung geeignet ist oder nicht.

17 r regression residuals heteroscedasticity independence

1

LASSO Annahmen

In einem LASSO-Regressionsszenario, in dem y= Xβ+ ϵy=Xβ+ϵy= X \beta + \epsilon , und die LASSO-Schätzungen sind durch das folgende Optimierungsproblem gegeben Mindestβ| | y- Xβ| | +τ| | β| |1minβ||y−Xβ||+τ||β||1 \min_\beta ||y - X \beta|| + \tau||\beta||_1 Gibt es irgendwelche Verteilungsannahmen bezüglich des ϵϵ\epsilon ? In einem OLS-Szenario würde …

17 regression lasso assumptions residuals

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

2

Pearson's Reste

Eine Anfängerfrage zum Pearson-Residuum im Rahmen des Chi-Quadrat-Tests für die Anpassungsgüte: Neben der Teststatistik gibt die chisq.testFunktion von R den Pearson-Residuum an: (obs - exp) / sqrt(exp) Ich verstehe, warum ein Blick auf den rohen Unterschied zwischen beobachteten und erwarteten Werten nicht so aussagekräftig ist, da eine kleinere Stichprobe zu …

16 chi-squared goodness-of-fit residuals

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

Herleitung der Normalisierungstransformation für GLMs

\newcommand{\E}{\mathbb{E}} Wie lautet die -Normalisierungstransformation für die Exponentialfamilie? abgeleitet? A ( ⋅ ) = ∫ d uV 1 / 3 ( μ )A(⋅)=∫duV1/3(μ)A(\cdot) = \displaystyle\int\frac{du}{V^{1/3}(\mu)} Genauer gesagt : Ich habe versucht, der Taylor-Erweiterungsskizze auf Seite 3, Folie 1, zu folgen, habe aber mehrere Fragen. Mit aus einer Exponentialfamilie, Transformation und …

15 data-transformation residuals asymptotics exponential-family

3

Vorhersage der Varianz heteroskedastischer Daten

Ich versuche, eine Regression auf heteroskedastischen Daten durchzuführen, wobei ich versuche , die Fehlervarianzen sowie die Mittelwerte in Form eines linearen Modells vorherzusagen . Etwas wie das: y( x , t )ξ( x , t )y¯( x , t )σ( x , t )= y¯(x,t)+ξ(x,t),∼N(0,σ(x,t)),=y0+ax+bt,=σ0+cx+dt.y(x,t)=y¯(x,t)+ξ(x,t),ξ(x,t)∼N(0,σ(x,t)),y¯(x,t)=y0+ax+bt,σ(x,t)=σ0+cx+dt.\begin{align}\\ y\left(x,t\right) &= \bar{y}\left(x,t\right)+\xi\left(x,t\right),\\ \xi\left(x,t\right) &\sim …

15 regression spss variance residuals heteroscedasticity

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

4

Ljung-Box-Statistik für ARIMA-Residuen in R: verwirrende Testergebnisse

Ich habe eine Zeitreihe, für die ich eine Prognose erstellen möchte und für die ich das saisonale Modell ARIMA (0,0,0) (0,1,0) [12] (= fit2) verwendet habe. Es unterscheidet sich von dem, was R mit auto.arima vorgeschlagen hat (R berechnete ARIMA (0,1,1) (0,1,0) [12] wäre besser, ich nannte es fit1). In …

14 r time-series statistical-significance arima residuals

6

Warum summieren sich Residuen in der linearen Regression immer zu Null, wenn ein Schnittpunkt enthalten ist?

Ich nehme an einem Kurs über Regressionsmodelle teil, und eine der Eigenschaften, die für die lineare Regression bereitgestellt werden, ist, dass die Residuen immer auf Null summieren, wenn ein Abschnitt enthalten ist. Kann jemand eine gute Erklärung dafür liefern, warum dies der Fall ist?

14 regression residuals

4

Warum sagen wir "Reststandardfehler"?

Ein Standardfehler ist die geschätzte Standardabweichung σ ( θ ) eines Schätzers θ für einen Parameter θ .σ^(θ^)σ^(θ^)\hat \sigma(\hat\theta)θ^θ^\hat\thetaθθ\theta Warum heißt die geschätzte Standardabweichung der Residuen "Reststandardfehler" (z. B. in der Ausgabe der R- summary.lmFunktion) und nicht "Reststandardabweichung"? Welche Parameterschätzung statten wir hier mit einem Standardfehler aus? Betrachten wir jedes …

14 r standard-error residuals terminology

1

R: Testnormalität der Residuen des linearen Modells - welche Residuen verwendet werden sollen

Ich möchte einen Shapiro-Wilk-W-Test und einen Kolmogorov-Smirnov-Test mit den Residuen eines linearen Modells durchführen, um die Normalität zu überprüfen. Ich habe mich nur gefragt, welche Residuen dafür verwendet werden sollten - die rohen Residuen, die Pearson-Residuen, studentisierte Residuen oder standardisierte Residuen? Für einen Shapiro-Wilk-W-Test scheinen die Ergebnisse für die rohen …

13 r regression residuals normality-assumption lm

3

Was bedeuten normale Residuen und was sagt mir das über meine Daten?

Ziemlich grundlegende Frage: Was bedeutet eine Normalverteilung von Residuen aus einer linearen Regression? Wie wirkt sich dies auf meine ursprünglichen Daten aus der Regression aus? Ich bin total ratlos, danke Jungs

13 regression residuals

Als «residuals» getaggte Fragen