Perguntas com a marcação «multiple-regression»

No cenário da regressão múltipla multivariada (regressor vetorial e regressão), os quatro principais testes para a hipótese geral (Lambda de Wilk, Pillai-Bartlett, Hotelling-Lawley e a Raiz Maior de Roy) dependem dos valores próprios da matriz , onde e são as matrizes de variação 'explicada' e 'total'.HE−1HE−1H E^{-1}HHHEEE Eu havia notado …

10 regression  multiple-regression  multivariate-analysis  manova 

Se eu ajustar meus dados com algo como lm(y~a*b), na sintaxe R, onde aé uma variável binária e buma variável numérica, o a:btermo de interação é a diferença entre a inclinação de y~bat a= 0 e at a= 1. Agora, digamos que a relação entre ye bé curvilínea. Se agora …

10 r  multiple-regression  splines 

Estou com muitos problemas com um conjunto de dados ao qual estou tentando aplicar o SEM. Supomos a existência de 5 fatores latentes A, B, C, D, E, com indicadores resp. A1 a A5 (fatores ordenados), B1 a B3 (quantitativo), C1, D1, E1 (todos os três últimos fatores ordenados, com …

10 r  modeling  multiple-regression  sem 

Atualmente, estou fazendo minha primeira aula de regressão linear aplicada no nível de pós-graduação e estou lutando com transformações de variáveis ​​preditivas em regressão linear múltipla. O texto que estou usando, Kutner e outros "Modelos Estatísticos Lineares Aplicados", não parece cobrir a pergunta que estou tendo. (além de sugerir que …

10 data-transformation  multiple-regression 

Suponha que eu esteja interessado em um modelo de regressão linear, para , porque gostaria de ver se uma interação entre as duas covariáveis ​​afeta Y.Yi=β0+β1x1+β2x2+β3x1x2Yi=β0+β1x1+β2x2+β3x1x2Y_i = \beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_1x_2 Nas anotações do curso de um professor (com quem não tenho contato), ele declara: Ao incluir …

10 regression  multiple-regression  interaction  linear-model 

Esta é mais uma pergunta conceitual, mas como eu uso R, vou me referir aos pacotes em R. Se o objetivo é ajustar um modelo linear para fins de previsão e, em seguida, fazer previsões onde os efeitos aleatórios podem não estar disponíveis, existe algum benefício em usar um modelo …

10 r  multiple-regression  mixed-model  lme4-nlme 

Atualmente, estou trabalhando em um projeto para fazer a previsão de dados de séries temporais (dados mensais). Estou usando R para fazer a previsão. Eu tenho 1 variável dependente (y) e 3 variáveis ​​independentes (x1, x2, x3). A variável y tem 73 observações e as outras 3 variáveis ​​(também 73). …

10 time-series  multiple-regression  forecasting  lags 

Uma questão muito básica relativa aos das regressões OLSR2R2R^2 executar a regressão OLS y ~ x1, temos um , digamos 0,3R2R2R^2 executar a regressão OLS y ~ x2, temos outro , digamos 0,4R2R2R^2 agora executamos uma regressão y ~ x1 + x2, que valor pode ser o R ​​ao quadrado …

10 regression  multiple-regression  least-squares  r-squared 

Eu tenho um modelo de regressão logística binária com um DV (doença: sim / não) e 5 preditores (dados demográficos [idade, sexo, tabagismo (sim / não)], um índice médico (ordinal) e um tratamento aleatório [sim / não ]). Também modelei todos os termos de interação bilateral. As principais variáveis ​​estão …

10 regression  logistic  multiple-regression  bootstrap 

Suponha que haja três séries temporais, , eX1X1X_1X2X2X_2YYY Correndo regressão linear ordinária em ~ ( ), obtemos . A regressão linear ordinária ~ obter . AssumaYYYX1X1X_1Y=bX1+b0+ϵY=bX1+b0+ϵY = b X_1 + b_0 + \epsilonR2=UR2=UR^2 = UYYYX2X2X_2R2=VR2=VR^2 = VU&lt;VU&lt;VU < V Quais são os valores mínimos e máximos possíveis de na regressão …

10 regression  multiple-regression  r-squared 

Este é apenas um exemplo que encontrei várias vezes, portanto não tenho dados de amostra. Executando um modelo de regressão linear em R: a.lm = lm(Y ~ x1 + x2) x1é uma variável contínua. x2é categórico e possui três valores, por exemplo, "Baixo", "Médio" e "Alto". No entanto, a saída …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Em uma equação de regressão linear múltipla, se os pesos beta refletirem a contribuição de cada variável independente individual acima e além da contribuição de todos os outros IVs, onde na equação de regressão a variação é compartilhada por todos os IVs que prevêem o DV? Por exemplo, se o …

10 multiple-regression  sums-of-squares 

Existem poucas explicações que descrevem como interpretar os coeficientes de regressão linear após diferenciar uma série temporal (para eliminar uma raiz unitária). É tão simples que não há necessidade de declarar formalmente? (Estou ciente dessa pergunta , mas não tinha certeza de quão geral foi sua resposta). Digamos que estamos …

10 time-series  multiple-regression  econometrics  linear-model  inference 

"Não ajustado" é basicamente regressão linear simples, enquanto "ajustado" é regressão múltipla? Por exemplo, observando o efeito de x em y ajustando para outras variáveis ​​como a, bec antes de não ajustá-las.

10 regression  multiple-regression 

Eu gostaria de classificar os pontos de dados como necessitando de um modelo mais complexo ou não precisando de um modelo mais complexo. Meu pensamento atual é ajustar todos os dados a um modelo linear simples e observar o tamanho dos resíduos para fazer essa classificação. Fiz algumas leituras sobre …

9 regression  multiple-regression  residuals  bias-variance-tradeoff