Запитання з тегом «heteroscedasticity»

Використовуючи R на деяких даних і намагаючись зрозуміти, чи є мої дані гетероскедастичними, я знайшов дві реалізації тесту Брейша-Язичника , bptest (пакет lmtest) і ncvTest (пакетний автомобіль). Однак вони дають різні результати. Яка різниця між ними? Коли слід вибрати те чи інше? > model <- lm(y ~ x) > bp …

9 r  regression  heteroscedasticity  assumptions  breusch-pagan 

У цій роботі ( Байєсівські умовиводи про варіаційні компоненти, що використовують лише контрасти помилок , Harville, 1974), автор стверджує бути "добре відомим співвідношення ", для лінійної регресії де (y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y-X\beta)'H^{-1}(y-X\beta)=(y-X\hat\beta)'H^{-1}(y-X\hat\beta)+(\beta-\hat\beta)'(X'H^{-1}X)(\beta-\hat\beta)y=Xβ+ϵ,y=Xβ+ϵ,y=X\beta+\epsilon,ϵ∼N(0,H).ϵ∼N(0,H).\epsilon\sim\mathcal{N}(0, H). Як це добре відомо? Який найпростіший спосіб довести це?

9 regression  regression-coefficients  heteroscedasticity  bias  linear-algebra 

Я знаю, що OLS є неупередженим, але неефективним при гетеросцедастичності в умовах лінійної регресії. У Вікіпедії http://en.wikipedia.org/wiki/Minimum_mean_square_error Оцінювач MMSE є асимптотично неупередженим і він переходить у розподіл до нормального розподілу: n−−√(x^−x)→dN(0,I−1(x))n(x^−x)→dN(0,I−1(x))\sqrt{n}(\hat{x} - x) \xrightarrow{d} \mathcal{N}\left(0 , I^{-1}(x)\right), де I (x) - інформація про Фішера з x. Таким чином, оцінювач MMSE …

9 least-squares  heteroscedasticity  efficiency 

У мене є дані з наступної експериментальної конструкції: мої спостереження - це підрахунок кількості успіхів ( K) від відповідної кількості випробувань ( N), виміряних для двох груп, що складаються з Iіндивідуумів, з Tметодів лікування, де у кожній такій факторній комбінації є Rповтори . Отже, я маю 2 * I * …

9 r  generalized-linear-model  heteroscedasticity  log-linear  dglm 

Методом найменших квадратів ми хочемо оцінити невідомі параметри в моделі: Yj= α + βхj+εj( j = 1 ... n )Yj=α+βxj+εj(j=1...n)Y_j = \alpha + \beta x_j + \varepsilon_j \enspace (j=1...n) Після того як ми зробили це (для деяких спостережуваних значень), ми отримаємо пристосовану регресійну лінію: Yj=α^+β^х +еj( J = 1 , …

9 regression  least-squares  residuals  heteroscedasticity  assumptions 

У мене є приклад набору даних таким чином: Volume <- seq(1,20,0.1) var1 <- 100 x2 <- 1000000 x3 <- 30 x4 = sqrt(x2/pi) H = x3 - Volume r = (x4*H)/(H + Volume) Power = (var1*x2)/(100*(pi*Volume/3)*(x4*x4 + x4*r + r*r)) Power <- jitter(Power, factor = 1, amount = 0.1) plot(Volume,Power) …

9 r  hypothesis-testing  nonlinear-regression  goodness-of-fit  heteroscedasticity 

У мене виникають труднощі розрізняти поняття сценічності та стаціонарності. Як я їх розумію, гетероскедастичність - це різні мінливості в підгрупах, а нестаціонарність - це зміна середнього / відхилення в часі. Якщо це правильне (хоч і спрощене) розуміння, чи нестаціонарність є просто конкретним випадком гетероскедастичності протягом часу?

9 time-series  heteroscedasticity  stationarity  intuition 

Припустимо, я спостерігаю незалежні вектори змінних і і залежну змінну . Я хотів би помістити модель форми: де - деяка додатна величина у два рази диференційована функція, - невідомий параметр масштабування, а - нульова середня, одинична дисперсія гауссова випадкова величина (вважається незалежною від і ). Це по суті встановлення тесту …

9 regression  hypothesis-testing  heteroscedasticity  generalized-least-squares 

Я хочу провести кореляцію в ряді вимірювань, де використовувались шкали Лікерта. Дивлячись на розсіювачі, здається, припущення про лінійність та гомоскедастичність можуть бути порушені. З огляду на те, що, мабуть, виникають дебати навколо порядкового рівня оцінювання, що наближаються до шкали інтервального рівня, чи варто це захистити і використовувати Rho Spearman, а …

9 correlation  scales  heteroscedasticity  likert 

У Rможна виконати тест Бреуша-язичницький для гетероскедастичності з допомогою ncvTestфункції carпакета. Тест Бройша-Язичника - це тест чи-квадратного тесту. Як інтерпретувати ці результати: > require(car) > set.seed(100) > x1 = runif(100, -1, 1) > x2 = runif(100, -1, 1) > ncvTest(lm(x1 ~ x2)) Non-constant Variance Score Test Variance formula: ~ fitted.values …

9 interpretation  heteroscedasticity