Perguntas com a marcação «multiple-regression»

Eu tenho um grande conjunto de dados que consiste nos valores de várias centenas de variáveis ​​financeiras que podem ser usadas em uma regressão múltipla para prever o comportamento de um fundo de índice ao longo do tempo. Eu gostaria de reduzir o número de variáveis ​​para dez ou mais, …

9 regression  multivariate-analysis  model-selection  multiple-regression 

Dado dois conjuntos de dados multidimensionais, e Y , algumas pessoas realizam análises multivariáveis ​​criando uma variável dependente substituta usando a análise de componentes principais (PCA). Ou seja, execute PCA no conjunto Y , faça pontuações ao longo do primeiro componente y ' e execute uma regressão múltipla dessas pontuações …

9 regression  multiple-regression  pca  canonical-correlation 

Estou tentando desenvolver um modelo preditivo para uma variável dependente angular (em usando várias medidas independentes - também variáveis ​​angulares, em - como preditores. Cada preditor está significativamente, mas não extremamente, fortemente correlacionado com a variável dependente. Como posso combinar os preditores para determinar um modelo preditivo para a variável …

9 regression  multiple-regression  circular-statistics 

Projeto e hipótese : medimos wellbeingno tempo 1 e no tempo 2, queremos ver se o fator A(medido no tempo 1 e supostamente um fator estável ao longo do tempo) é um preditor significativo do fator B(medido no tempo 2) . Também esperamos que wellbeing, atual ou passado, contribua para …

9 regression  repeated-measures  multiple-regression  panel-data 

Eu tenho um grande conjunto de preditores (mais de 43.000) para prever uma variável dependente que pode assumir 2 valores (0 ou 1). O número de observações é superior a 45.000. A maioria dos preditores são unigramas, bigramas e trigramas de palavras, portanto há um alto grau de colinearidade entre …

9 r  multiple-regression  lasso  glmnet 

Eu tenho pesquisado o uso da regressão linear bayesiana, mas cheguei a um exemplo do qual estou confuso. Dado o modelo: y=βX+ϵy=βX+ϵ{\bf y} = {\bf \beta}{\bf X} + \bf{\epsilon} Supondo que e um ,p ( β , φ ) α 1ϵ∼N(0,ϕI)ϵ∼N(0,ϕI){\bf \epsilon} \sim N(0, \phi I)p(β,ϕ)∝1ϕp(β,ϕ)∝1ϕp(\beta, \phi) \propto \frac{1}{\phi} Como …

9 regression  bayesian  multiple-regression 

Atualmente, estou executando um modelo de regressão múltipla usando dados imputados e tenho algumas perguntas. Fundo: Usando o SPSS 18. Meus dados parecem ser MAR. A exclusão listwise de casos me deixa com apenas 92 casos, a imputação múltipla deixa 153 casos para análise. Todas as premissas atendidas - um …

9 spss  multiple-regression  data-transformation  multiple-imputation 

Estou com o seguinte problema: Estou executando uma regressão logística múltipla em várias variáveis, cada uma das quais com uma escala nominal. Eu quero evitar a multicolinearidade em minha regressão. Se as variáveis ​​fossem contínuas, eu poderia calcular o fator de inflação de variação (VIF) e procurar variáveis ​​com um …

9 regression  logistic  multiple-regression  multicollinearity 

Estou um pouco confuso sobre quando você deve ou não adicionar termos polinomiais a um modelo de regressão linear múltipla. Eu sei que polinômios são usados ​​para capturar a curvatura nos dados, mas sempre parece estar na forma de: y= x1+ x2+ x21+ x22+ x1x2+ cy=x1+x2+x12+x22+x1x2+cy = x_1 + x_2 …

8 regression  multiple-regression  polynomial 

Considere regressão linear múltipla. Essa pergunta pode ser enganosamente simples, mas estou tentando entender intuitivamente por que, digamos, se eu tenho preditores X1 e X2, as interações entre esses preditores podem ser capturadas adequadamente por X1 * X2. Eu sei que os termos de interação são modelados como produtos, apenas …

8 multiple-regression  feature-selection  interaction 

Digamos que eu estime a seguinte regressão linear multivariada Como posso testar isso ?β 1 = β 2 = β 3y= β0 0+ β1x1+ β2x2+ β3x3+ β4x4+ ϵy=β0+β1x1+β2x2+β3x3+β4x4+ϵ y = \beta_0 +\beta_1 x_1 +\beta_2 x_2+\beta_3x_3+\beta_4x_4 + \epsilonβ1= β2= β3β1=β2=β3\beta_1=\beta_2=\beta_3 Eu sei que para testar se você pode simplesmente construir um …

8 regression  hypothesis-testing  multiple-regression 

Embora os méritos da seleção de modelos por etapas tenham sido discutidos anteriormente, não está claro para mim o que exatamente é " seleção de modelos por etapas " ou " regressão por etapas ". Eu pensei que tinha entendido, mas não tenho mais tanta certeza. Meu entendimento é que …

8 multiple-regression  model-selection  aic  stepwise-regression 

Após uma pergunta feita anteriormente, os fatores de inflação de variação (VIFs) podem ser expressos como é a versão em escala de tamanho da unidade deWXVIFj=Var(b^j)σ2=[w′jwj−w′jW−j(W′−jW−j)−1W′−jwj]−1VIFj=Var(b^j)σ2=[wj′wj−wj′W−j(W−j′W−j)−1W−j′wj]−1 \textrm{VIF}_j = \frac{\textrm{Var}(\hat{b}_j)}{\sigma^2} = [\mathbf{w}_j^{\prime} \mathbf{w}_j - \mathbf{w}_j^{\prime} \mathbf{W}_{-j} (\mathbf{W}_{-j}^{\prime} \mathbf{W}_{-j})^{-1} \mathbf{W}_{-j}^{\prime} \mathbf{w}_j]^{-1} WW\mathbf{W}XX\mathbf{X} Alguém pode me mostrar como chegar daqui à equação é …

8 multiple-regression  vif 

Quero regredir a economia de combustível no deslocamento do motor, tipo de combustível, tração nas duas rodas vs. 4 rodas, potência, transmissão manual vs. automática e número de velocidades. Meu conjunto de dados ( link ) contém veículos de 2012 a 2014. fuelEconomy em milhas por galão engineDisplacement: tamanho do …

8 r  statistical-significance  multiple-regression  interpretation 

Eu li os ótimos comentários sobre como lidar com valores ausentes antes de aplicar o SVD, mas gostaria de saber como ele funciona com um exemplo simples: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Dada a matriz …

8 r  missing-data  data-imputation  svd  sampling  matlab  mcmc  importance-sampling  predictive-models  prediction  algorithms  graphical-model  graph-theory  r  regression  regression-coefficients  r-squared  r  regression  modeling  confounding  residuals  fitting  glmm  zero-inflation  overdispersion  optimization  curve-fitting  regression  time-series  order-statistics  bayesian  prior  uninformative-prior  probability  discrete-data  kolmogorov-smirnov  r  data-visualization  histogram  dimensionality-reduction  classification  clustering  accuracy  semi-supervised  labeling  state-space-models  t-test  biostatistics  paired-comparisons  paired-data  bioinformatics  regression  logistic  multiple-regression  mixed-model  random-effects-model  neural-networks  error-propagation  numerical-integration  time-series  missing-data  data-imputation  probability  self-study  combinatorics  survival  cox-model  statistical-significance  wilcoxon-mann-whitney  hypothesis-testing  distributions  normal-distribution  variance  t-distribution  probability  simulation  random-walk  diffusion  hypothesis-testing  z-test  hypothesis-testing  data-transformation  lognormal  r  regression  agreement-statistics  classification  svm  mixed-model  non-independent  observational-study  goodness-of-fit  residuals  confirmatory-factor  neural-networks  deep-learning