Perguntas com a marcação «multiple-regression»

Ao ler um livro sobre regressão, encontrei o seguinte parágrafo: A estimativa dos mínimos quadrados de um vetor de coeficientes de regressão linear ( ) éββ\beta β^= ( XtX)- 1Xtyβ^=(XtX)−1Xty \hat{\beta} = (X^{t}X)^{-1}{X^t}y que, quando visto como uma função dos dados (considerando os preditores X como constantes), é uma combinação …

12 multiple-regression 

Desculpe se esta é uma pergunta nova; Estou tentando me ensinar estatística pela primeira vez. Acho que tenho o procedimento básico inativo, mas estou lutando para executá-lo com R. Então, eu estou tentando avaliar o significado dos coeficientes de regressão em uma regressão linear múltipla da forma y^=Xβ^y^=Xβ^ \hat y …

12 r  statistical-significance  multiple-regression 

Estou tentando estimar uma regressão linear múltipla em R com uma equação como esta: regr <- lm(rate ~ constant + askings + questions + 0) perguntas e perguntas são séries temporais de dados trimestrais, construídas com askings <- ts(...). O problema agora é que eu tenho resíduos autocorrelacionados. Eu sei …

11 r  time-series  multiple-regression  autocorrelation  residuals 

Fechado . Esta pergunta precisa de detalhes ou clareza . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Adicione detalhes e esclareça o problema editando esta postagem . Fechado há 2 anos . Estou trabalhando em uma tarefa de casa, onde meu professor gostaria que criassemos um verdadeiro …

11 self-study  multiple-regression  estimation  linear-model 

Eu tenho um conjunto de dados contendo 365 observação de três variáveis pm, a saber , tempe rain. Agora eu quero verificar o comportamento pmem resposta a alterações em outras duas variáveis. Minhas variáveis ​​são: pm10 = Resposta (dependente) temp = preditor (independente) rain = preditor (independente) A seguir está …

11 correlation  multiple-regression  multicollinearity  regression-strategies 

Nosso professor não está entrando na representação matemática ou geométrica da regressão linear múltipla e isso me deixa um pouco confuso. Por um lado, ainda é chamado de regressão linear múltipla, mesmo em dimensões mais altas. Por outro lado, se tivermos, por exemplo, e pudermos para e , isso não …

11 multiple-regression  high-dimensional 

Tentando calcular a contagem de visitas de dados demográficos e de serviço. Os dados estão muito distorcidos. Histogramas: gráficos qq (à esquerda é log): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) citye servicesão variáveis ​​fatoriais. Eu recebo um valor p baixo *** para todas as variáveis, mas também recebo um r-quadrado …

11 regression  multiple-regression  predictive-models  exponential  qq-plot 

Quero detectar se a colinearidade é um problema na minha regressão OLS. Entendo que os fatores de inflação de variação e o índice de condição são duas medidas comumente usadas, mas estou tendo dificuldade em encontrar algo definitivo sobre os méritos de cada abordagem ou quais devem ser as pontuações. …

11 multiple-regression  references  least-squares  multicollinearity  vif 

Devo confessar que nunca ouvi falar desse termo em nenhuma das minhas aulas, graduação ou pós-graduação. O que significa uma regressão logística ser bayesiana? Estou procurando uma explicação com uma transição da logística regular para a logística bayesiana semelhante à seguinte: Esta é a equação no modelo de regressão linear: …

11 regression  logistic  bayesian  multiple-regression  generalized-linear-model 

Por técnicas de regularização, estou me referindo a laço, regressão de crista, rede elástica e similares. Considere um modelo preditivo de dados de assistência médica que contenha dados demográficos e de diagnóstico em que está sendo previsto o tempo de internação. Para alguns indivíduos, há várias observações de LOS (ou …

11 multiple-regression  random-effects-model  regularization 

Gostaria de corrigir manualmente um certo coeficiente, digamos , e depois ajustar os coeficientes a todos os outros preditores, mantendo β 1 = 1,0 no modelo.β1= 1,0β1=1.0\beta_1=1.0β1= 1,0β1=1.0\beta_1=1.0 Como posso conseguir isso usando R? Eu particularmente gostaria de trabalhar com o LASSO ( glmnet), se possível. Como alternativa, como posso …

11 r  multiple-regression  lasso  glmnet  constrained-regression 

Estou ciente do teste de Ramsey Reset, que pode detectar dependências não lineares. No entanto, se você apenas jogar fora um dos coeficientes de regressão (dependências meramente lineares), poderá obter um viés, dependendo das correlações. Obviamente, isso não é detectado pelo teste de redefinição. Não encontrei um teste para este …

11 regression  multiple-regression  bias  causality  diagnostic 

Quando analiso minhas variáveis ​​em dois modelos de regressão logística separados (univariados), obtenho o seguinte: Predictor 1: B= 1.049, SE=.352, Exp(B)=2.85, 95% CI=(1.43, 5.69), p=.003 Constant: B=-0.434, SE=.217, Exp(B)=0.65, p=.046 Predictor 2: B= 1.379, SE=.386, Exp(B)=3.97, 95% CI=(1.86, 8.47), p<.001 Constant: B=-0.447, SE=.205, Exp(B)=0.64, p=.029 mas quando os insiro em …

11 logistic  statistical-significance  multiple-regression 

Estou executando um modelo OLS com uma variável de índice de ativos contínua como o DV. Meus dados são agregados de três comunidades semelhantes em estreita proximidade geográfica entre si. Apesar disso, achei importante usar a comunidade como uma variável de controle. Como se vê, a comunidade é significativa no …

11 regression  categorical-data  stata  multiple-regression  aggregation 

O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …

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