Questions marquées «heteroscedasticity»

Variance non constante le long d'un certain continuum dans un processus aléatoire.

2
Test de Bartlett vs test de Levene
J'essaie actuellement d'adresser les violations aux hypothèses de l'ANOVA. J'ai utilisé Shapiro-Wilk pour tester la normalité et j'ai essayé le test de Levene et le test d'égalité de variance de Bartlett. Depuis lors, j'ai transformé mes données pour essayer de remédier aux inégalités. J'ai relancé le test de Bartlett sur …
2
Estimer le taux auquel l'écart-type évolue avec une variable indépendante
J'ai une expérience dans laquelle je prends des mesures d'une variable normalement distribuée OuiYY, Oui∼ N( μ , σ)Oui∼N(μ,σ)Y \sim N(\mu,\sigma) Cependant, des expériences antérieures ont fourni des preuves que l'écart-type est une fonction affine d'une variable indépendante , c'est-à-direXσσ\sigmaXXX σ= a | X| +bσ=une|X|+b\sigma = a|X| + b Oui∼ …
1
R / mgcv: Pourquoi les produits tenseurs te () et ti () produisent-ils des surfaces différentes?
Le mgcvpackage pour Ra deux fonctions pour ajuster les interactions des produits tensoriels: te()et ti(). Je comprends la division de base du travail entre les deux (ajustement d'une interaction non linéaire vs décomposition de cette interaction en effets principaux et interaction). Ce que je ne comprends pas, c'est pourquoi te(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 
2
Comment effectuer une analyse résiduelle pour les prédicteurs indépendants binaires / dichotomiques en régression linéaire?
J'effectue la régression linéaire multiple ci-dessous dans R pour prédire les rendements des fonds gérés. reg <- lm(formula=RET~GRI+SAT+MBA+AGE+TEN, data=rawdata) Ici, seuls GRI et MBA sont des prédicteurs binaires / dichotomiques; les prédicteurs restants sont continus. J'utilise ce code pour générer des tracés résiduels pour les variables binaires. plot(rawdata$GRI, reg$residuals) abline(lm(reg$residuals~rawdata$GRI, …
2
Comment obtenir une table ANOVA avec des erreurs standard robustes?
J'exécute une régression OLS groupée à l'aide du package plm dans R. Bien que ma question concerne davantage les statistiques de base, j'essaie donc de la publier ici en premier;) Étant donné que mes résultats de régression produisent des résidus hétéroscédastiques, je voudrais essayer d'utiliser des erreurs standard robustes d'hétéroskédasticité. …
3
Quelles sont les conséquences d'une variance non constante des termes d'erreur dans la régression linéaire?
L'une des hypothèses de régression linéaire est qu'il devrait y avoir une variance constante dans les termes d'erreur et que les intervalles de confiance et les tests d'hypothèse associés au modèle reposent sur cette hypothèse. Que se passe-t-il exactement lorsque les termes d'erreur n'ont pas de variance constante?
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.