Запитання з тегом «link-function»

Перетворення параметра, що регулює розподіл відповідей, який використовується як важлива частина узагальненої лінійної моделі для відображення діапазону цього параметра (який може бути від 0 до 1, або лише позитивних значень, наприклад), до реального рядка числа (-,+).

10
Різниця між моделями logit і probit
У чому різниця між логит і пробитий моделі ? Мені більше цікаво знати, коли використовувати логістичну регресію та коли використовувати Probit. Якщо є література, яка визначає її за допомогою R , це також було б корисно.

4
Яка різниця між "функцією зв'язку" та "канонічною функцією зв'язку" для GLM
Яка різниця між термінами "функція зв'язку" та "канонічна функція зв'язку"? Також, чи є якісь (теоретичні) переваги використання одного над іншим? Наприклад, бірна змінна відповідь може бути змодельована за допомогою багатьох функцій зв'язку, таких як logit , probit тощо. Але logit тут вважається "канонічною" функцією зв'язку.

4
Вибір між LM та GLM для змінної відповіді, перетвореної журналом
Я намагаюся зрозуміти філософію, що використовується за допомогою узагальненої лінійної моделі (GLM) проти лінійної моделі (LM). Я створив приклад набору даних нижче, де: log(y)=x+εlog⁡(y)=x+ε\log(y) = x + \varepsilon У прикладі немає помилки як функції величини y , тому я вважаю, що лінійна модель перетвореного y журналу y була б найкращою. …

2
Призначення функції зв’язку в узагальненій лінійній моделі
Яке призначення функції зв’язку як складової узагальненої лінійної моделі? Навіщо нам це потрібно? У Вікіпедії зазначено: Це може бути зручно співставити домен функції зв’язку з діапазоном середнього значення функції розподілу Яка перевага в цьому?

1
Нелінійна та узагальнена лінійна модель: як ви ставитесь до логістичної, пуассонової регресії тощо?
У мене є питання щодо семантики, на яке я хотів би думати колеги-статистики. Ми знаємо, що такі моделі, як логістична, пуассонова тощо, потрапляють під парасольку узагальнених лінійних моделей. Модель включає нелінійні функції параметрів, які можуть, в свою чергу, моделюватися за допомогою лінійної рамки моделі за допомогою відповідної функції зв'язку. Мені …

4
Які правильні значення для точності та відкликання у кращих випадках?
Точність визначається як: p = true positives / (true positives + false positives) Чи правильно, що як true positivesі false positivesпідхід 0, точність наближається до 1? Те саме запитання для відкликання: r = true positives / (true positives + false negatives) Зараз я впроваджую статистичний тест, де мені потрібно обчислити …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

5
Чи припускають статистики, що не можна перезволожувати рослину, або я просто використовую неправильні пошукові терміни для криволінійної регресії?
Майже всі , що я читав про лінійної регресії і GLM зводиться до цього: , де є незростаюча або неубивающей функцією і є параметр , який ви оцінити та перевірити гіпотези про. Існують десятки функцій зв'язку та перетворень і щоб зробити лінійною функцією .f ( x , β ) x …

3
Як вирішити, яку сімейство glm використовувати?
У мене є дані про щільність риби, які я намагаюся порівняти між декількома різними техніками збору, дані мають багато нулів, а гістограма виглядає химерною, підходящою для розподілу пуассона, за винятком того, що, як щільність, це не цілі дані. Я відносно новичок у ГЛМ і останні кілька днів шукаю в Інтернеті, …

4
Чи завжди функція logit найкраща для регресійного моделювання бінарних даних?
Я думав над цією проблемою. Звичайною логістичною функцією для моделювання двійкових даних є: Однак чи завжди найкраща для моделювання даних функція logit, що являє собою S-подібну криву? Можливо, у вас є підстави вважати, що ваші дані не відповідають звичайній S-подібній кривій, а іншому типу кривої з доменом(0,1).журнал( с1 - с) …

2
GLM: перевірка вибору функції розподілу та зв'язку
У мене є узагальнена лінійна модель, яка приймає функцію Гауссова розподілу та зв'язку каналів. Після встановлення моделі я перевіряю залишки: графік QQ, залишки проти передбачуваних значень, гістограма залишків (визнаючи, що необхідна обережність). Все виглядає добре. Це, мабуть, говорить про те, що вибір гауссового розподілу був досить розумним. Або, принаймні, що …

1
Чи можете ви дати просте інтуїтивне пояснення методу IRLS, щоб знайти MLE GLM?
Фон: Я намагаюся дотримуватися огляду Прінстона на оцінку MLE для GLM . Я розумію основи оцінки MLE: likelihood, score, яка спостерігається і очікувана Fisher informationі Fisher scoringтехніка. І я знаю, як виправдати просту лінійну регресію з оцінкою MLE . Питання: Я не можу зрозуміти навіть перший рядок цього методу :( …

2
Плюси і мінуси посилання на журнал та посилання на ідентичність для регресії Пуассона
Я здійснюю регресію Пуассона з кінцевою метою порівняння (і з урахуванням різниці) передбачуваних середніх підрахунків між двома факторними рівнями в моїй моделі: , утримуючи інші коваріати моделі (які всі бінарні) постійні. Мені було цікаво, чи може хтось надати кілька практичних порад про те, коли використовувати посилання журналу, а не ідентифікаційне …

2
Проблема зі порівнянням GLM-моделей, що мають іншу функцію зв'язку
З огляду на той самий набір сімейств коваріатів та розподілу, як я можу порівнювати моделі, що мають різні функції зв’язку? Я думаю, що тут правильна відповідь - "AIC / BIC", але я не впевнений на 100%. Чи можливо мати вкладені моделі, якщо вони мають інше посилання?

1
Розрахунок канонічної функції зв'язку в GLM
Я думав, що канонічна функція зв'язку походить від природного параметра родини експонентів. Скажімо, розглянемо сімейство тоді - це функція канонічного зв'язку. Візьмемо для прикладу розподіл Бернуллі , маємо Отже, канонічна функція зв'язкуg(⋅)g(⋅)g(\cdot)f(y,θ,ψ)=exp{yθ−b(θ)a(ψ)−c(y,ψ)}f(y,θ,ψ)=exp⁡{yθ−b(θ)a(ψ)−c(y,ψ)} f(y,\theta,\psi)=\exp\left\{\frac{y\theta-b(\theta)}{a(\psi)}-c(y,\psi)\right\} θ=θ(μ)θ=θ(μ)\theta=\theta(\mu)P(Y=y)=μy(1−μ)1−y=exp{ylogμ1−μ+log(1−μ)}P(Y=y)=μy(1−μ)1−y=exp⁡{ylog⁡μ1−μ+log⁡(1−μ)} P(Y=y)=\mu^{y}(1-\mu)^{1-y}=\exp\left\{y\log\frac{\mu}{1-\mu}+\log{(1-\mu)}\right\} g(μ)=logμ1−μg(μ)=log⁡μ1−μg(\mu)=\log\frac{\mu}{1-\mu} Але коли я бачу цей слайд , він стверджує, що Хоча його можна легко …

3
Як отримати інтервал довіри щодо зміни r-квадрата населення
Для простого прикладу припустимо, що існує дві моделі лінійної регресії Модель 1 має три провісники, x1a, x2b, іx2c Модель 2 має три предиктори з моделі 1 та два додаткові прогнози x2aтаx2b Існує рівняння регресії чисельності населення, де пояснюється дисперсія популяції для Моделі 1 та для Моделі 2. Інкрементальна дисперсія, пояснена …
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.