Statistiques et Big Data regression

1

Question sur la façon de normaliser le coefficient de régression

Je ne sais pas si normaliser est le mot correct à utiliser ici, mais je ferai de mon mieux pour illustrer ce que j'essaie de demander. L'estimateur utilisé ici est le moindre carré. Supposons que vous ayez y=β0+β1x1y=β0+β1x1y=\beta_0+\beta_1x_1 , vous pouvez le centrer autour de la moyenne par où et …

16 regression self-study least-squares regression-coefficients

2

Mesures de l'hétéroscédasticité résiduelle

Ce lien wikipedia répertorie un certain nombre de techniques pour détecter l'hétéroscédasticité des résidus OLS. Je voudrais savoir quelle technique pratique est plus efficace pour détecter les régions affectées par l'hétéroscédasticité. Par exemple, ici, la région centrale du graphique OLS `` Résidus vs ajustés '' semble avoir une variance plus …

16 regression least-squares heteroscedasticity

3

Est-il tout à fait défendable de stratifier un ensemble de données en fonction de la taille du résidu et de faire une comparaison à deux échantillons?

C'est quelque chose que je vois comme une sorte de méthode ad hoc et cela me semble très louche, mais peut-être que je manque quelque chose. J'ai vu cela en régression multiple, mais restons simples: yi=β0+β1xi+εiyi=β0+β1xi+εi y_{i} = \beta_{0} + \beta_{1} x_{i} + \varepsilon_{i} Maintenant, prenez les résidus du modèle …

16 regression residuals

2

Persistance dans les séries chronologiques

Quelqu'un pourrait-il me dire ce que le terme «persistance» signifie dans l'analyse des séries chronologiques? Il s'agit d'économétrie et de régression appliquée.

16 regression time-series econometrics terminology

2

Est-ce une bonne pratique de standardiser vos données dans une régression avec des données de panel / longitudinales?

En général, je standardise mes variables indépendantes en régressions, afin de comparer correctement les coefficients (de cette façon ils ont les mêmes unités: les écarts-types). Cependant, avec des données de panel / longitudinales, je ne sais pas comment je devrais standardiser mes données, surtout si j'évalue un modèle hiérarchique. Pour …

16 r regression standardization

2

Agrégation des résultats des exécutions de modèles linéaires R

Comme la modélisation de régression est souvent plus «artistique» que scientifique, je me retrouve souvent à tester de nombreuses itérations d'une structure de régression. Quels sont les moyens efficaces de résumer les informations de ces multiples exécutions de modèle pour essayer de trouver le "meilleur" modèle? Une approche que j'ai …

16 r regression

1

Modèles d'ajustement en R où les coefficients sont soumis à des restrictions linéaires

Comment définir une formule de modèle dans R, lorsqu'une (ou plusieurs) restrictions linéaires exactes liant les coefficients est disponible. Par exemple, disons que vous savez que b1 = 2 * b0 dans un modèle de régression linéaire simple. Je vous remercie!

16 r regression modeling

1

Régression logistique - Préoccupations / pièges de la multicolinéarité

Dans la régression logistique, est-il nécessaire de se préoccuper autant de la multicolinéarité que dans une régression OLS directe? Par exemple, avec une régression logistique, où la multicolinéarité existe, auriez-vous besoin d'être prudent (comme vous le feriez dans la régression OLS) en prenant des déductions à partir des coefficients bêta? …

16 regression logistic multicollinearity

1

Régression haute dimension: pourquoi spécial?

J'essaie de lire sur la recherche dans le domaine de la régression à haute dimension; lorsque est supérieur à , c'est-à-dire . Il semble que le terme apparaisse souvent en termes de taux de convergence pour les estimateurs de régression.n p > > n log p / npppnnnp>>np>>np >> nlogp/nlog⁡p/n\log …

16 regression lasso convergence high-dimensional

3

Quelle est la relation entre la distribution bêta et le modèle de régression logistique?

Ma question est: quelle est la relation mathématique entre la distribution bêta et les coefficients du modèle de régression logistique ? Pour illustrer: la fonction logistique (sigmoïde) est donnée par f(x)=11+exp(−x)f(x)=11+exp⁡(−x)f(x) = \frac{1}{1+\exp(-x)} et il est utilisé pour modéliser les probabilités dans le modèle de régression logistique. Soit un résultat …

16 regression logistic mathematical-statistics beta-distribution

4

Pourquoi dit-on que la variable de résultat «est régressée sur» le ou les prédicteurs?

Y a-t-il une explication intuitive à cette terminologie? Pourquoi en est-il ainsi et non le ou les prédicteurs régressés sur le résultat? Idéalement, j'espère qu'une explication appropriée de la raison pour laquelle cette terminologie existe aidera les élèves à s'en souvenir et les empêchera de la dire dans le mauvais …

16 regression terminology teaching

1

Quel est le lien entre les moindres carrés partiels, la régression à rang réduit et la régression à composantes principales?

La régression à rang réduit et la régression à composantes principales ne sont-elles que des cas particuliers de moindres carrés partiels? Ce tutoriel (Page 6, "Comparaison des objectifs") indique que lorsque nous faisons des moindres carrés partiels sans projeter X ou Y (c'est-à-dire "non partiel"), cela devient une régression de …

16 regression pca dimensionality-reduction partial-least-squares reduced-rank-regression

1

Comment modéliser des données continues non négatives gonflées à zéro?

J'essaie actuellement d'appliquer un modèle linéaire ( family = gaussian) à un indicateur de biodiversité qui ne peut pas prendre des valeurs inférieures à zéro, est gonflé à zéro et est continu. Les valeurs vont de 0 à un peu plus de 0,25. En conséquence, il y a un schéma …

16 regression zero-inflation tobit-regression tweedie-distribution

3

Analyse discriminante vs régression logistique

J'ai trouvé des pros de l'analyse discriminante et j'ai des questions à leur sujet. Donc: Lorsque les classes sont bien séparées, les estimations des paramètres de régression logistique sont étonnamment instables. Les coefficients peuvent aller à l'infini. LDA ne souffre pas de ce problème. Si le nombre de caractéristiques est …

16 regression logistic multivariate-analysis discriminant-analysis

1

Pourquoi le «lasso détendu» est-il différent du lasso standard?

Si nous commençons avec un ensemble de données , y appliquons Lasso et obtenons une solution , nous pouvons appliquer à nouveau Lasso à l'ensemble de données , où S est l'ensemble des non index zéro de \ beta ^ L , pour obtenir une solution, \ beta ^ {RL} …

16 regression optimization lasso regularization shrinkage

Questions marquées «regression»