Perguntas com a marcação «link-function»

Qual é a diferença entre o modelo Logit e Probit ? Estou mais interessado aqui em saber quando usar a regressão logística e quando usar o Probit. Se houver alguma literatura que o defina usando R , isso também seria útil.

299 r  generalized-linear-model  logistic  probit  link-function 

Qual é a diferença entre os termos 'função de link' e 'função de link canônico'? Além disso, existem vantagens (teóricas) em usar uma sobre a outra? Por exemplo, uma variável de resposta binária pode ser modelada usando muitas funções de link, como logit , probit , etc. Mas, logit aqui …

65 logistic  generalized-linear-model  link-function 

Estou tentando entender a filosofia por trás do uso de um modelo linear generalizado (GLM) vs um modelo linear (LM). Criei um exemplo de conjunto de dados abaixo em que: registro( y) = x + εregistro⁡(y)=x+ε\log(y) = x + \varepsilon O exemplo não possui o erro em função da magnitude …

55 r  generalized-linear-model  linear-model  gamma-distribution  link-function 

Qual é o objetivo da função de link como um componente do modelo linear generalizado? Por que precisamos disso? A Wikipedia afirma: Pode ser conveniente corresponder o domínio da função de link ao intervalo da média da função de distribuição Qual é a vantagem de fazer isso?

35 regression  generalized-linear-model  link-function  irls 

Eu tenho uma pergunta sobre semântica na qual gostaria que as opiniões de colegas estatísticos. Sabemos que modelos como logística, Poisson etc. se enquadram nos modelos lineares generalizados. O modelo inclui funções não lineares dos parâmetros, que por sua vez podem ser modelados usando a estrutura do modelo linear, usando …

23 logistic  generalized-linear-model  poisson-regression  nonlinear  link-function 

Precisão é definida como: p = true positives / (true positives + false positives) É verdade que, como true positivese false positivesabordagem 0, a precisão se aproxima de 1? Mesma pergunta para recall: r = true positives / (true positives + false negatives) No momento, estou implementando um teste estatístico …

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 

Quase tudo o que li sobre regressão linear e GLM se resume a isso: y=f(x,β)y=f(x,β)y = f(x,\beta) onde f(x,β)f(x,β)f(x,\beta) é uma função não-crescente ou não-decrescente de xxx e é o parâmetro que você estima e testar hipóteses sobre. Existem dezenas de funções de link e transformações de e para fazer …

18 generalized-linear-model  nonlinear-regression  link-function 

Eu tenho dados de densidade de peixes que estou tentando comparar entre várias técnicas de coleta diferentes, os dados têm muitos zeros e o histograma parece vaugley apropriado para uma distribuição de poisson, exceto que, como densidades, não são dados inteiros. Sou relativamente novo nos GLMs e passei os últimos …

17 regression  distributions  generalized-linear-model  link-function 

Eu estive pensando sobre este problema. A função logística usual para modelar dados binários é: No entanto, a função logit, que é uma curva em forma de S, é sempre a melhor para modelar os dados? Talvez você tenha motivos para acreditar que seus dados não seguem a curva normal …

15 logistic  references  link-function 

Eu tenho um modelo linear generalizado que adota uma função Gaussiana de distribuição e link de log. Depois de ajustar o modelo, verifico os resíduos: gráfico QQ, resíduos versus valores previstos, histograma de resíduos (reconhecendo que é necessária a devida cautela). Tudo parece bem. Isso parece sugerir (para mim) que …

14 regression  generalized-linear-model  link-function 

Fundo: Estou tentando seguir a revisão de Princeton sobre a estimativa de MLE para GLM . I compreender os conceitos básicos de estimativa MLE: likelihood, score, observado e esperado Fisher informationea Fisher scoringtécnica. E eu sei como justificar a regressão linear simples com a estimativa do MLE . A questão: …

12 regression  generalized-linear-model  maximum-likelihood  link-function  irls 

Estou realizando uma regressão de Poisson com o objetivo final de comparar (e tendo a diferença de) as contagens médias previstas entre dois níveis de fator no meu μ^1- μ^2μ^1-μ^2\hat{\mu}_1-\hat{\mu}_2 , mantendo outras variáveis do modelo (que são todos binária ) constante. Eu queria saber se alguém poderia fornecer alguns …

12 logistic  poisson-regression  link-function 

Dado o mesmo conjunto de covariáveis ​​e família de distribuição, como posso comparar modelos com diferentes funções de link? Acho que a resposta correta aqui é "AIC / BIC", mas não tenho 100% de certeza. É possível ter modelos aninhados se eles tiverem um link diferente?

12 generalized-linear-model  aic  link-function 

Eu pensei que a função de ligação canônica vem do parâmetro natural da família exponencial. Digamos, considere a família então é a função de link canônico. Tomemos a distribuição de Bernoulli como exemplo, temos Portanto, a função de link canônicog(⋅)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} Mas quando vejo esse slide , …

12 generalized-linear-model  link-function 

Para um exemplo simples, assuma que existem dois modelos de regressão linear Modelo 1 tem três preditores, x1a, x2b, ex2c O modelo 2 possui três preditores do modelo 1 e dois preditores adicionais x2aex2b Existe uma equação de regressão populacional em que a variação populacional explicada é para o Modelo …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc