Запитання з тегом «regression»

Що таке часткова F-статистика? Це те саме, що частковий F-тест? Коли ви обчислите часткову F-статистику? Я припускаю, що це має відношення до порівняння регресійних моделей, але я щось не слідкую (?)

13 regression  multiple-regression 

Я працюю над деякими синтатичними даними для моделі Error In Variable для деяких досліджень. В даний час у мене є одна незалежна змінна, і я припускаю, що знаю дисперсію для справжнього значення залежної змінної. Отже, за допомогою цієї інформації я можу досягти неупередженого оцінки коефіцієнта залежної змінної. Модель: y=0,5x-10+e2x~=x+e1x~=x+e1\tilde{x} = …

13 regression  matlab  unbiased-estimator  errors-in-variables 

У моделі ми могли б оцінити за допомогою звичайного рівняння:y=Xβ+ϵy=Xβ+ϵ{y} = X \beta + \epsilonββ\beta у =Х β .β^=(X′X)−1X′y,β^=(X′X)−1X′y,\hat{\beta} = (X'X)^{-1}X'y, і ми могли б отриматиy^=Xβ^.y^=Xβ^.\hat{y} = X \hat{\beta}. Вектор залишків оцінюється за ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,\hat{\epsilon} = y - X \hat{\beta} = (I - X (X'X)^{-1} X') y = Q y = …

13 regression  least-squares  inference 

Виконуючи регресію, якщо йти за визначенням: Яка різниця між частковою ймовірністю, профільною ймовірністю та граничною ймовірністю? що, Максимальна ймовірність Знайти β і θ, що максимізує L (β, θ | дані). Тоді як гранична ймовірність ми інтегруємо θ з рівняння ймовірності, використовуючи той факт, що ми можемо ідентифікувати розподіл ймовірності θ, …

13 regression  maximum-likelihood 

Я хотів би зробити W тест Шапіро Вілка і тест Колмогорова-Смірнова на залишки лінійної моделі, щоб перевірити їх нормальність. Мені було просто цікаво, які залишки слід використовувати для цього - залишки сировини, залишки Пірсона, залишки в студії або стандартизовані залишки? Для W тесту Shapiro-Wilk W виявляється, що результати для залишків …

13 r  regression  residuals  normality-assumption  lm 

Фон Я намагаюся зрозуміти перший приклад в курсі пристосування моделей (тому це може здатися смішно простим). Я зробив обчислення вручну, і вони відповідають прикладу, але коли я повторюю їх у R, коефіцієнти моделі вимкнено. Я вважав, що різниця може бути пов’язана з підручником із застосуванням дисперсії сукупності ( ), тоді …

13 r  regression  self-study  lm 

Взагалі мені цікаво, чи краще коли-небудь не використовувати ортогональні поліноми під час регресії із змінними вищого порядку. Зокрема, мені цікаво використання R: Якщо poly()з raw = FALSEвиробляє те ж значення, що і підігнаного poly()з raw = TRUE, і polyз raw = FALSEвирішуєте деякі з проблем , пов'язаних з поліноміальними регрессиями, …

13 r  regression  polynomial 

Я намагаюся знайти інформацію щодо припущень регресії PLS (одиночний ). Мене особливо цікавить порівняння припущень щодо ПЛС щодо регресії OLS. yyy Я читав / проглядав велику кількість літератури на тему PLS; документи Уолда (Сванте та Германа), Абді та багатьох інших, але не знайшли задовільного джерела. Wold та ін. (2001) PLS-регресія: …

13 regression  assumptions  partial-least-squares 

Я розумію поняття масштабування матриці даних для використання в лінійній регресійній моделі. Наприклад, в R ви можете використовувати: scaled.data <- scale(data, scale=TRUE) Єдине моє запитання - як правильно оцінювати нові спостереження, для яких я хочу передбачити вихідні значення? Було б scaled.new <- (new - mean(data)) / std(data),?

13 r  regression  prediction  scales 

Стандартна помилка терміна перехоплення ( ) у задається , де є середнє значення 's.у=β1х+β0+εSЕ( β 0)2=σ2[1β^0β^0\hat{\beta}_0y=β1x+β0+εy=β1x+β0+εy=\beta_1x+\beta_0+\varepsilonˉxxiSE(β^0)2=σ2[1n+x¯2∑ni=1(xi−x¯)2]SE(β^0)2=σ2[1n+x¯2∑i=1n(xi−x¯)2]SE(\hat{\beta}_0)^2 = \sigma^2\left[\frac{1}{n}+\frac{\bar{x}^2}{\sum_{i=1}^n(x_i-\bar{x})^2}\right]x¯x¯\bar{x}xixix_i Як я розумію, SE визначає вашу невизначеність - наприклад, у 95% зразків інтервал міститиме справжній . Я не розумію, як SE, міра невизначеності, збільшується за допомогою . Якщо я просто зміщу свої …

13 regression  interpretation  standard-error 

Для лінійної моделі , ми можемо мати хорошу геометричну інтерпретацію розрахункової моделі з допомогою МНК: у = х & beta ; + е . У є проекцією у на простір , натягнуте на х і залишкової е перпендикулярна це простір , натягнуте на х.у= x β+ еy=xβ+ey=x\beta+eу^= x β^+ е^y^=xβ^+e^\hat{y}=x\hat{\beta}+\hat{e}у^y^\hat{y}е^e^\hat{e} …

13 regression  model  geometry 

Коли краще використовувати максимальну оцінку ймовірності замість звичайних найменших квадратів? Які сильні та обмежені сторони кожного? Я намагаюся зібрати практичні знання про те, де їх використовувати в загальних ситуаціях.

13 regression  maximum-likelihood  least-squares 

У лінійній регресії Y=XβY=XβY= X\beta , чому XXX називається проектною матрицею? Чи може XXX бути спроектовано або побудовано довільно до певної міри, як у мистецтві?

13 regression  terminology 

У мене є набір значень і які теоретично пов'язані експоненціально:уxxxyyy y=axby=axby = ax^b Одним із способів отримання коефіцієнтів є застосування природних логарифмів в обидві сторони та встановлення лінійної моделі: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Інший спосіб отримати це - використання нелінійної регресії з …

13 r  regression  linear-model  model-selection  nonlinear-regression 

Припустимо, у мене розділився 80/20 між спостереженнями моделювання / валідації. Я встановив модель до набору даних моделювання, і мені подобається помилка, яку я бачу в наборі даних перевірки. Перш ніж я розгорнути свою модель для оцінки майбутніх спостережень, чи доцільно поєднати перевірку з даними моделювання, щоб отримати оновлені оцінки параметрів …

13 regression  predictive-models  validation