Perguntas com a marcação «regression»

O erro padrão da intercepção termo ( β 0 ) em Y = β 1 x + β 0 + ε é dado por S E ( β 0 ) 2 = σ 2 [ 1β^0β^0\hat{\beta}_0y=β1x+β0+εy=β1x+β0+εy=\beta_1x+\beta_0+\varepsilonSE(β^0)2=σ2[1n+x¯2∑ni=1(xi−x¯)2]SE(β^0)2=σ2[1n+x¯2∑i=1n(xi−x¯)2]SE(\hat{\beta}_0)^2 = \sigma^2\left[\frac{1}{n}+\frac{\bar{x}^2}{\sum_{i=1}^n(x_i-\bar{x})^2}\right] ondex¯x¯\bar{x}é a média doxixix_i's. Pelo que eu entendo, o SE quantifica o …

13 regression  interpretation  standard-error 

Para o modelo linear , podemos ter uma boa interpretação geométrica do modelo estimado via OLS: . é a projeção de y no espaço medido por xe residual é perpendicular a esse espaço medido por x.y= x β+ey=xβ+ey=x\beta+ey^= x β^+ e^y^=xβ^+e^\hat{y}=x\hat{\beta}+\hat{e}y^y^\hat{y}e^e^\hat{e} Agora, minha pergunta é: existe alguma interpretação geométrica do …

13 regression  model  geometry 

Quando é preferível usar a estimativa de máxima verossimilhança em vez dos mínimos quadrados comuns? Quais são os pontos fortes e as limitações de cada um? Estou tentando reunir conhecimentos práticos sobre onde usar cada um em situações comuns.

13 regression  maximum-likelihood  least-squares 

Fiz uma regressão múltipla na qual o modelo como um todo é significativo e explica cerca de 13% da variação. No entanto, preciso encontrar a quantidade de variação explicada por cada preditor significativo. Como posso fazer isso usando R? Aqui estão alguns dados e código de exemplo: D = data.frame( …

13 r  regression  variance 

Na regressão linear, Y=XβY=XβY= X\beta , por que é XXXchamado de matriz de design? pode XXXser projetado ou construído arbitrariamente até certo ponto, como na arte?

13 regression  terminology 

Eu tenho um conjunto de valores xxx e yyy que são teoricamente relacionados exponencialmente: y=axby=axby = ax^b Uma maneira de obter os coeficientes é aplicando logaritmos naturais em ambos os lados e ajustando um modelo linear: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Outra maneira …

13 r  regression  linear-model  model-selection  nonlinear-regression 

Suponha que eu tenha uma divisão 80/20 entre observações de modelagem / validação. Ajustei um modelo ao conjunto de dados de modelagem e me sinto confortável com o erro que estou vendo no conjunto de dados de validação. Antes de lançar meu modelo para escorar observações futuras, é apropriado combinar …

13 regression  predictive-models  validation 

A padronização de uma variável dependente dentro do grupo de identificação faz sentido? O documento de trabalho a seguir (desaceleração do desmatamento na Amazônia Legal; Preços ou políticas ?, pdf ) usa uma variável dependente padronizada para analisar o efeito da mudança de política geral no Brasil sobre o desmatamento. …

13 regression  time-series  panel-data  standardization  fixed-effects-model 

Estou fazendo regressão usando florestas aleatórias para prever preços com base em vários atributos. O código é escrito em Python usando o Scikit-learn. Como você decide se deve transformar suas variáveis ​​usando exp/ logantes de usá-las para se ajustar ao modelo de regressão? É necessário ao usar uma abordagem do …

13 regression  machine-learning  predictive-models  python  random-forest 

Se nas regressões OLS padrão, duas suposições são violadas (distribuição normal de erros, homocedasticidade), o bootstrapping de erros padrão e intervalos de confiança é uma alternativa apropriada para obter resultados significativos com relação à significância dos coeficientes do regressor? Os testes de significância com erros padrão de inicialização e intervalos …

13 regression  bootstrap  least-squares  heteroscedasticity 

Pergunta bastante básica: O que significa uma distribuição normal de resíduos de uma regressão linear? Em termos de, como isso se reflete nos meus dados originais da regressão? Estou totalmente perplexo, obrigado pessoal

13 regression  residuals 

Minhas previsões provenientes de um modelo de regressão logística (glm em R) não são delimitadas entre 0 e 1 como eu esperava. Meu entendimento da regressão logística é que seus parâmetros de entrada e modelo são combinados linearmente e a resposta é transformada em probabilidade usando a função de link …

13 r  regression  logistic  generalized-linear-model 

Não sei como interpretar essa regressão probit que executei no Stata. Os dados estão em aprovação de empréstimo e branco é uma variável fictícia que = 1 se uma pessoa era branca e = 0 se a pessoa não era. Qualquer ajuda sobre como ler isso seria muito apreciada. O …

13 regression  multiple-regression  stata 

Uma das motivações para a rede elástica foi a seguinte limitação do LASSO: No caso p>np>np > n , o laço seleciona no máximo n variáveis ​​antes de saturar, devido à natureza do problema de otimização convexa. Esse parece ser um recurso limitante para um método de seleção de variáveis. …

13 regression  optimization  feature-selection  lasso 

Eu tenho as porcentagens de classificação dos alunos em 38 exames como a variável dependente no meu estudo. Uma porcentagem de classificação é calculada por (classificação / número de alunos em um exame). Essa variável dependente tem distribuição quase uniforme e eu quero estimar os efeitos de algumas variáveis ​​na …

13 regression  distributions