Запитання з тегом «poisson-regression»

Явище «надмірної дисперсії» в GLM виникає щоразу, коли ми використовуємо модель, яка обмежує дисперсію змінної відповіді, і дані виявляють більшу дисперсію, ніж дозволяє обмеження моделі. Це трапляється зазвичай при моделюванні підрахунку даних за допомогою GLM Poisson, і це може бути діагностовано за допомогою відомих тестів. Якщо тести показують, що є …

15 generalized-linear-model  poisson-regression  overdispersion  quasi-likelihood 

Нехай Y=(Y1,…,Yn)′Y=(Y1,…,Yn)′ \textbf{Y} = (Y_1, \dots, Y_n)' незалежні і Yi=0Yi=kwith probability pi+(1−pi)e−λiwith probability (1−pi)e−λiλki/k!Yi=0with probability pi+(1−pi)e−λiYi=kwith probability (1−pi)e−λiλik/k!\eqalign{ Y_i = 0 & \text{with probability} \ p_i+(1-p_i)e^{-\lambda_i}\\ Y_i = k & \text{with probability} \ (1-p_i)e^{-\lambda_i} \lambda_{i}^{k}/k! } Припустимо також, що параметри і p = ( p 1 , … , p …

14 poisson-regression  zero-inflation 

Зачинено. Це питання поза темою . Наразі відповіді не приймаються. Хочете вдосконалити це питання? Оновіть питання, щоб воно було тематичним для перехресної перевірки. Закрито 5 років тому . Call: glm(formula = darters ~ river + pH + temp, family = poisson, data = darterData) Deviance Residuals: Min 1Q Median 3Q …

14 self-study  generalized-linear-model  interpretation  poisson-regression 

Мені було просто цікаво, чи є в пуассоновій регресії помилка? Чи може регресія Пуассона мати випадкові наслідки та термін помилки? Я плутаюся з цього приводу. У логістичній регресії немає помилки, оскільки ваша змінна результат є двійковою. Це єдина модель glm, яка не має залишкового терміна?

14 regression  mixed-model  generalized-linear-model  poisson-regression 

Я налаштовував модель за допомогою caret, але потім повторно запустив модель за допомогою gbmпакета. Наскільки я розумію, що caretпакет використовує gbmі вихід повинен бути однаковим. Однак, лише швидкий тестовий пробіг із застосуванням data(iris)показує невідповідність моделі приблизно 5%, використовуючи RMSE і R ^ 2 в якості метрики оцінювання. Я хочу знайти …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

Я виконую модель регресії Пуассона з 1 змінною відгуку та 6 коваріатами. Вибір моделі з використанням AIC призводить до моделі з усіма коваріатами, а також 6 термінами взаємодії. Однак BIC приводить до моделі, що має лише 2 коваріати та відсутні умови взаємодії. Чи можливо, що два критерії, які дуже схожі, …

12 model-selection  aic  poisson-regression  bic 

Я зіткнувся з трьома пропозиціями розібратися із завищеною дисперсією змінної реакції Пуассона та всієї стартової моделі з фіксованими ефектами: Використовуйте квазі-модель; Використовуйте негативний біноміальний GLM; Використовуйте змішану модель з предметним випадковим ефектом. Але що насправді вибрати, і чому? Чи є серед них фактичний критерій?

12 regression  negative-binomial  poisson-regression  overdispersion  quasi-likelihood 

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 …

12 logistic  poisson-regression  link-function 

При моделюванні даних про кількість позовів у страховому середовищі я почав із Пуассона, але потім помітив перевищення рівня. Квазі-Пуассон краще моделював більшу співвідношення середньої дисперсії, ніж основний Пуассон, але я помітив, що коефіцієнти були однаковими як у моделях Пуассона, так і в Квазі-Пуассона. Якщо це не помилка, чому це відбувається? …

12 r  count-data  poisson-regression  overdispersion  quasi-likelihood 

Я зіткнувся з низкою практичних питань, коли моделював підрахунок даних експериментальних досліджень за допомогою експерименту в рамках предмета. Я коротко описую експеримент, дані та те, що я зробив до цього часу, після чого мої питання Чотири різних фільми були показані на вибірці респондентів послідовно. Після кожного фільму було проведено інтерв'ю, …

12 generalized-linear-model  negative-binomial  glmm  poisson-regression  overdispersion 

Я хотів би перевірити, яка регресія найкраще відповідає моїм даним. Моя залежна змінна - кількість, і вона має багато нулів. І мені знадобиться допомога, щоб визначити, яку модель та сімейство використовувати (пуассон чи квазипоассон, або нульову завищену регресію пуассону) та як перевірити припущення. Регресія Пуассона: наскільки я розумію, сильне припущення …

11 r  count-data  zero-inflation  poisson-regression 

У mgcvпакеті Rє дві функції для встановлення тензорних взаємодій між продуктами: te()і ti(). Я розумію основний розподіл праці між двома (встановлення нелінійної взаємодії проти декомпозиції цієї взаємодії на основні ефекти та взаємодію). Чого я не розумію, це чому te(x1, x2)і ti(x1) + ti(x2) + ti(x1, x2)може давати (трохи) різні результати. …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Я намагаюся трохи заглибитись у статистику, але я щось застряг. Мої дані такі: Year Number_of_genes 1990 1 1991 1 1993 3 1995 4 Тепер я хочу побудувати регресійну модель, щоб можна було передбачити кількість генів за будь-який рік на основі даних. Я робив це з лінійною регресією до цих пір, …

10 regression  count-data  poisson-regression 

У мене є GLMM форми: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Під час використання drop1(model, test="Chi")я отримую інші результати, ніж якщо я використовую Anova(model, type="III")з автомобільного пакета або summary(model). Ці два останні дають однакові відповіді. Використовуючи купу сфабрикованих даних, я виявив, що …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Я аналізую дані відстеження очей із розробленого експерименту. Спрощена версія моїх даних виглядає приблизно так (дані dput () можна отримати тут ), head(lookDATA) participant fixationImage fixationCount 1 9 Automobile 81 2 9 Bird 63 3 9 Chair 82 4 9 Dog 64 5 9 Face 90 6 9 Plant 75 …

10 r  mixed-model  poisson-regression  lsmeans  lme4-nlme