Perguntas com a marcação «regression»

Ao transformar variáveis, você precisa usar a mesma transformação? Por exemplo, posso escolher variáveis ​​transformadas de maneira diferente, como em: Seja idade, duração do emprego, duração da residência e renda.x1, x2, x3x1,x2,x3x_1,x_2,x_3 Y = B1*sqrt(x1) + B2*-1/(x2) + B3*log(x3) Ou você deve ser consistente com suas transformações e usar o …

41 r  regression  logistic  data-transformation 

Admito que sou relativamente novo em escores de propensão e análise causal. Uma coisa que não é óbvia para mim como iniciante é como o "equilíbrio" usando escores de propensão é matematicamente diferente do que acontece quando adicionamos covariáveis ​​em uma regressão? O que há de diferente na operação e …

41 regression  multivariate-analysis  causality  propensity-scores 

Estou tendo alguns problemas com a derivação da solução para regressão de crista. Conheço a solução de regressão sem o termo de regularização: β=(XTX)−1XTy.β=(XTX)−1XTy.\beta = (X^TX)^{-1}X^Ty. Porém, após adicionar o termo L2 à função cost, como é que a solução se tornaλ∥β∥22λ‖β‖22\lambda\|\beta\|_2^2 β=(XTX+λI)−1XTy.β=(XTX+λI)−1XTy.\beta = (X^TX + \lambda I)^{-1}X^Ty.

40 regression  least-squares  regularization  ridge-regression 

Alguém sabe como descobrir se os pontos 7, 16 e 29 são pontos influentes ou não? Li em algum lugar que, como a distância de Cook é menor que 1, eles não são. Estou certo?

40 r  regression  residuals  diagnostic  cooks-distance 

Eu continuo lendo sobre instâncias em que centralizamos os dados (por exemplo, com regularização ou PCA) para remover a interceptação (conforme mencionado nesta pergunta ). Eu sei que é simples, mas estou tendo dificuldades para entender isso intuitivamente. Alguém poderia fornecer a intuição ou uma referência que eu possa ler?

40 regression  pca  centering 

Eu tenho várias covariáveis ​​no meu cálculo para um modelo e nem todas são estatisticamente significativas. Devo remover aqueles que não são? Esta pergunta discute o fenômeno, mas não responde à minha pergunta: Como interpretar o efeito não significativo de uma covariável na ANCOVA? Não há nada na resposta a …

39 regression  statistical-significance  ancova  model  predictor 

A regressão de menor ângulo e o laço tendem a produzir caminhos de regularização muito semelhantes (idênticos, exceto quando um coeficiente cruza zero). Ambos podem ser eficientemente ajustados por algoritmos praticamente idênticos. Existe alguma razão prática para preferir um método ao outro?

39 regression  lasso 

Minha pergunta é: precisamos padronizar o conjunto de dados para garantir que todas as variáveis ​​tenham a mesma escala, entre [0,1], antes de ajustar a regressão logística. A fórmula é: xEu- min ( xEu)max ( xEu) - min ( xEu)xi−min(xi)max(xi)−min(xi)\frac{x_i-\min(x_i)}{\max(x_i)-\min(x_i)} Meu conjunto de dados tem 2 variáveis, elas descrevem a …

39 regression  logistic  standardization 

Se a regressão polinomial modela relações não lineares, como pode ser considerado um caso especial de regressão linear múltipla? A Wikipedia observa que "Embora a regressão polinomial ajuste um modelo não linear aos dados, como um problema de estimativa estatística é linear, no sentido de que a função de regressão …

38 regression  multiple-regression  linear-model  nonlinear-regression  polynomial 

Notei que em R, Poisson e regressões binomiais negativas (RN) sempre parecem se encaixar nos mesmos coeficientes para preditores categóricos, mas não contínuos. Por exemplo, aqui está uma regressão com um preditor categórico: data(warpbreaks) library(MASS) rs1 = glm(breaks ~ tension, data=warpbreaks, family="poisson") rs2 = glm.nb(breaks ~ tension, data=warpbreaks) #compare coefficients …

38 regression  negative-binomial  poisson-regression 

Estou fazendo uma regressão multivariada de Cox, tenho minhas variáveis ​​independentes significativas e valores beta. O modelo se ajusta muito bem aos meus dados. Agora, eu gostaria de usar meu modelo e prever a sobrevivência de uma nova observação. Não estou claro como fazer isso com um modelo de Cox. …

38 regression  survival  prediction  cox-model 

Estou tentando executar uma regressão OLS: DV: Alteração de peso ao longo de um ano (peso inicial - peso final) IV: Se você se exercita ou não. No entanto, parece razoável que pessoas mais pesadas percam mais peso por unidade de exercício do que pessoas mais magras. Assim, eu queria …

38 regression  repeated-measures  least-squares  change-scores 

Na regressão linear simples, temos , onde . Eu o estimador: onde e são os meios de exemplo de e .y=β0+β1x+uy=β0+β1x+uy = \beta_0 + \beta_1 x + uu∼iidN(0,σ2)u∼iidN(0,σ2)u \sim iid\;\mathcal N(0,\sigma^2)β1^=∑i(xi−x¯)(yi−y¯)∑i(xi−x¯)2 ,β1^=∑i(xi−x¯)(yi−y¯)∑i(xi−x¯)2 , \hat{\beta_1} = \frac{\sum_i (x_i - \bar{x})(y_i - \bar{y})}{\sum_i (x_i - \bar{x})^2}\ , x¯x¯\bar{x}y¯y¯\bar{y}xxxyyy Agora eu quero encontrar …

38 regression  mathematical-statistics  variance  linear-model  regression-coefficients 

Sou bastante novo nisso com testes de dados binomiais, mas precisava fazer um e agora não tenho certeza de como interpretar o resultado. A variável y, a variável resposta, é binomial e os fatores explicativos são contínuos. Isto é o que recebi ao resumir o resultado: glm(formula = leaves.presence ~ …

38 r  regression  logistic  binomial  interpretation 

TL, DR: Parece que, ao contrário do conselho muitas vezes repetida, leave-one-out validação cruzada (LOO-CV) - isto é,CV fold com(o número de dobras) igual a(o número das observações de treinamento) - produz estimativas do erro de generalização que é a menor variável para qualquer, não a mais variável, assumindo uma …

37 regression  machine-learning  variance  cross-validation  predictive-models