Perguntas com a marcação «quasi-likelihood»

Espero que alguém possa fornecer uma visão geral intuitiva do que é distribuição quase-binomial e o que ela faz. Estou particularmente interessado nestes pontos: Como o quasibinomial difere da distribuição binomial. Quando a variável de resposta é uma proporção (os valores de exemplo incluem 0,23, 0,11, 0,78, 0,98), um modelo …

30 r  generalized-linear-model  binomial  overdispersion  quasi-likelihood 

Estou tentando ajustar modelos lineares generalizados a alguns conjuntos de dados de contagem que podem ou não estar superdispersos. As duas distribuições canônicas que se aplicam aqui são o Poisson e o Binomial Negativo (Negbin), com EV e variânciaμμ\mu Va rP= μVarP=μVar_P = \mu Va rNB= μ + μ2θVarNB=μ+μ2θVar_{NB} = …

21 r  generalized-linear-model  negative-binomial  poisson-regression  quasi-likelihood 

Pergunta (s): Qual é a idéia e intuição por trás da estimativa de quase verossimilhança máxima (QMLE; também conhecida como estimativa de pseudo máxima verossimilhança, PMLE)? O que faz o estimador funcionar quando a distribuição de erro real não corresponde à distribuição de erro assumida? O site da Wikipedia para …

17 maximum-likelihood  references  intuition  quasi-likelihood 

Eu tenho dados de contagem (análise de demanda / oferta com número de clientes, dependendo - possivelmente - de muitos fatores). Tentei uma regressão linear com erros normais, mas meu gráfico QQ não é realmente bom. Tentei uma transformação de log da resposta: mais uma vez, QQ-plot ruim. Então agora …

16 count-data  poisson-regression  overdispersion  quasi-likelihood 

O fenômeno de 'super dispersão' em um GLM surge sempre que usamos um modelo que restringe a variação da variável de resposta, e os dados exibem uma variação maior do que a restrição do modelo permite. Isso ocorre geralmente ao modelar dados de contagem usando um Poisson GLM, e pode …

15 generalized-linear-model  poisson-regression  overdispersion  quasi-likelihood 

Até onde eu sei, a diferença entre o modelo logístico e o modelo de resposta fracionária (frm) é que a variável dependente (Y) na qual frm é [0,1], mas a logística é {0, 1}. Além disso, a frm usa o estimador de quase-verossimilhança para determinar seus parâmetros. Normalmente, podemos usar …

13 r  logistic  generalized-linear-model  quasi-likelihood 

Encontrei três propostas para lidar com a super-dispersão em uma variável de resposta de Poisson e um modelo inicial de efeitos fixos: Use um modelo quase; Use GLM binomial negativo; Use um modelo misto com um efeito aleatório no nível de assunto. Mas qual escolher, e por quê? Existe algum …

12 regression  negative-binomial  poisson-regression  overdispersion  quasi-likelihood 

Na modelagem de dados de contagem de solicitações em um ambiente de seguro, comecei com Poisson, mas depois notei superdispersão. Um Quasi-Poisson modelou melhor a maior relação média-variância que o Poisson básico, mas notei que os coeficientes eram idênticos nos modelos de Poisson e Quasi-Poisson. Se isso não é um …

12 r  count-data  poisson-regression  overdispersion  quasi-likelihood 

Corri modelos binomiais negativos e quase-Poisson com base em uma abordagem de teste de hipóteses. Meus modelos finais, usando os dois métodos, têm covariáveis ​​e interações diferentes. Parece que não há padrões quando planto meus resíduos nos dois casos. Assim, eu queria saber qual teste eu poderia usar para ver …

10 generalized-linear-model  negative-binomial  poisson-regression  model-comparison  quasi-likelihood 

Estou dando uma aula sobre integração de funções de várias variáveis ​​e cálculo vetorial neste semestre. A turma é composta pela maioria dos cursos de economia e engenharia, com um punhado de pessoas de matemática e física também. Eu dei essa aula no semestre passado e descobri que muitas das …

10 generalized-linear-model  teaching  integral  geometry  quasi-likelihood 

Primeiro, deixe-me dar uma base; Resumirei minhas perguntas no final. A distribuição Beta, parametrizada por sua média e ϕ , possui Var ( Y ) = V ( μ ) / ( ϕ + 1 ) , onde V ( μ ) = μ ( 1 - μ ) é …

8 generalized-linear-model  lme4-nlme  binomial  beta-regression  quasi-likelihood