Questions marquées «regression»

J'ai une question sur le biais variable omis dans la régression logistique et linéaire. Supposons que j'omet certaines variables d'un modèle de régression linéaire. Imaginez que ces variables omises ne sont pas corrélées avec les variables que j'ai incluses dans mon modèle. Ces variables omises ne biaisent pas les coefficients …

17 regression  logistic  least-squares  bias 

J'ai exécuté cette régression logistique ordinale dans R: mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) J'ai obtenu ce résumé du modèle: summary(mtcars_ordinal) Re-fitting to get Hessian Call: polr(formula = as.factor(carb) ~ mpg, data = mtcars) Coefficients: Value Std. Error t value mpg -0.2335 0.06855 -3.406 Intercepts: Value Std. Error t value …

17 r  regression  logistic  interpretation  ordered-logit 

J'ai deux effets principaux, V1 et V2. Les effets de V1 et V2 sur les variables de réponse sont négatifs. Cependant, pour une raison quelconque, j'obtiens un coefficient positif pour le terme d'interaction V1 * V2. Comment puis-je interpréter cela? une telle situation est-elle possible?

17 regression  interaction 

Je ne comprends pas l'explication du Rfichier d'aide de pour les effets () : Pour un modèle linéaire ajusté par lmou aov, les effets sont les valeurs de degré de liberté non corrélées obtenues en projetant les données sur les sous-espaces orthogonaux successifs générés par la décomposition QR pendant le …

17 r  regression 

J'ai une variable indépendante appelée "qualité"; cette variable a 3 modalités de réponse (mauvaise qualité; qualité moyenne; haute qualité). Je veux introduire cette variable indépendante dans ma régression linéaire multiple. Lorsque j'ai une variable indépendante binaire (variable fictive, je peux coder 0/ 1), il est facile de l'introduire dans un …

17 r  regression  categorical-data  multicollinearity  categorical-encoding 

Je sais que β0^=y¯−β1^x¯β0^=y¯−β1^x¯\hat{\beta_0}=\bar{y}-\hat{\beta_1}\bar{x} et voici jusqu'où je suis arrivé quand j'ai calculé la variance: Var(β0^)=Var(y¯−β1^x¯)=Var((−x¯)β1^+y¯)=Var((−x¯)β1^)+Var(y¯)=(−x¯)2Var(β1^)+0=(x¯)2Var(β1^)+0=σ2(x¯)2∑i=1n(xi−x¯)2Var(β0^)=Var(y¯−β1^x¯)=Var((−x¯)β1^+y¯)=Var((−x¯)β1^)+Var(y¯)=(−x¯)2Var(β1^)+0=(x¯)2Var(β1^)+0=σ2(x¯)2∑i=1n(xi−x¯)2\begin{align*} Var(\hat{\beta_0}) &= Var(\bar{y} - \hat{\beta_1}\bar{x}) \\ &= Var((-\bar{x})\hat{\beta_1}+\bar{y}) \\ &= Var((-\bar{x})\hat{\beta_1})+Var(\bar{y}) \\ &= (-\bar{x})^2 Var(\hat{\beta_1}) + 0 \\ &= (\bar{x})^2 Var(\hat{\beta_1}) + 0 \\ &= \frac{\sigma^2 (\bar{x})^2}{\displaystyle\sum\limits_{i=1}^n (x_i - \bar{x})^2} \end{align*} mais c'est tout …

17 regression  self-study 

Étant donné une variable dépendante continue y et des variables indépendantes comprenant une variable ordinale X 1 , comment puis-je adapter un modèle linéaire R? Existe-t-il des articles sur ce type de modèle?

17 r  regression  lasso  ordinal-data  predictor 

J'ai deux séries chronologiques: Un proxy de la prime de risque de marché (ERP; ligne rouge) Le taux sans risque, fondé sur une obligation d'État (ligne bleue) Je veux tester si le taux sans risque peut expliquer l'ERP. Par la présente, j'ai essentiellement suivi les conseils de Tsay (2010, 3e …

17 regression  time-series 

Il s'agit d'une question de base sur les modèles Box-Jenkins MA. Si je comprends bien, un modèle MA est essentiellement une régression linéaire des valeurs de séries temporelles YYY rapport aux termes d'erreur précédents . Autrement dit, l'observation est d'abord régressée par rapport à ses valeurs précédentes , puis une …

17 regression  time-series  arima  box-jenkins 

Supposons que nous ayons exécuté une régression linéaire simple y=β0+β1x+uy=β0+β1x+uy=\beta_0+\beta_1x+u , enregistré les résidus et dessiné un histogramme de distribution des résidus. Si nous obtenons quelque chose qui ressemble à une distribution familière, pouvons-nous supposer que notre terme d'erreur a cette distribution? Disons, si nous avons découvert que les résidus …

17 r  regression  residuals 

Mise à jour : Désolé pour une autre mise à jour, mais j'ai trouvé des solutions possibles avec des polynômes fractionnaires et le package de risques concurrents avec lesquels j'ai besoin d'aide. Le problème Je ne trouve pas de moyen facile de faire une analyse de coefficient dépendant du temps …

17 r  regression  survival  cox-model 

Nous travaillons avec quelques régressions logistiques et nous avons réalisé que la probabilité moyenne estimée est toujours égale à la proportion de celles de l'échantillon; c'est-à-dire que la moyenne des valeurs ajustées est égale à la moyenne de l'échantillon. Quelqu'un peut-il m'expliquer la raison ou me donner une référence où …

17 regression  logistic  modeling  generalized-linear-model  maximum-likelihood 

J'ai un modèle ajusté (de la littérature). J'ai également les données brutes pour les variables prédictives. Quelle est l'équation que je devrais utiliser pour obtenir des probabilités? Fondamentalement, comment combiner des données brutes et des coefficients pour obtenir des probabilités?

17 regression  logistic 

J'essaie de comprendre la logique derrière le test F ANOVA dans l'analyse de régression linéaire simple. Ma question est la suivante. Lorsque la valeur F, c'est-à MSR/MSE- dire est grande, nous acceptons le modèle comme significatif. Quelle est la logique derrière cela?

17 regression  anova 

J'utilise Lasso pour la sélection d'entités dans un cadre dimensionnel relativement bas (n >> p). Après avoir ajusté un modèle Lasso, je veux utiliser les covariables avec des coefficients non nuls pour ajuster un modèle sans pénalité. Je fais cela parce que je veux des estimations impartiales que Lasso ne …

17 regression  feature-selection  lasso  unbiased-estimator