Statistiques et Big Data regression

1

Comprendre les prédictions de la régression logistique

Mes prédictions provenant d'un modèle de régression logistique (glm dans R) ne sont pas limitées entre 0 et 1 comme je m'y attendais. Ma compréhension de la régression logistique est que vos paramètres d'entrée et de modèle sont combinés linéairement et la réponse est transformée en probabilité à l'aide de …

13 r regression logistic generalized-linear-model

2

Comment interpréter un modèle probit dans Stata?

Je ne sais pas comment interpréter cette régression probit que j'ai exécutée sur Stata. Les données sont sur l'approbation du prêt et le blanc est une variable fictive qui = 1 si une personne était blanche et = 0 si la personne ne l'était pas. Toute aide sur la façon …

13 regression multiple-regression stata

2

Si p> n, le lasso sélectionne au plus n variables

L'une des motivations du filet élastique était la limitation suivante de LASSO: Dans le cas p>np>np > n , le lasso sélectionne au plus n variables avant de saturer, en raison de la nature du problème d'optimisation convexe. Cela semble être une caractéristique limitante pour une méthode de sélection de …

13 regression optimization feature-selection lasso

5

Estimation des pourcentages comme variable dépendante dans la régression

J'ai les pourcentages de classement des étudiants dans 38 examens comme variable dépendante dans mon étude. Un pourcentage de classement est calculé par (rang / nombre d'élèves dans un examen). Cette variable dépendante a une distribution presque uniforme et je veux estimer les effets de certaines variables sur la variable …

13 regression distributions

2

Régression linéaire lorsque vous ne connaissez que

Supposons que Xβ=YXβ=YX\beta =Y . Nous ne savons pas YYY exactement, que sa corrélation avec chaque facteur prédictif, XtYXtYX^\mathrm{t}Y . La solution des moindres carrés ordinaires (OLS) est β=(XtX)−1XtYβ=(XtX)−1XtY\beta=(X^\mathrm{t} X)^{-1} X^\mathrm{t}Y et il n'y a pas de problème. Mais supposons que XtXXtXX^\mathrm{t}X soit proche du singulier (multicolinéarité), et vous devez …

13 regression multicollinearity

2

Générer des échantillons de données à partir de la régression de Poisson

Je me demandais comment générer des données à partir d'une équation de régression de Poisson dans R? Je suis un peu confus sur la façon d'aborder le problème. Donc, si je suppose que nous avons deux prédicteurs et qui sont distribués . Et l'ordonnée à l'origine est 0 et les …

13 r regression poisson-distribution simulation

2

Comment obtenir une sortie continue de valeur réelle à partir de Neural Network?

Dans la plupart des exemples que j'ai vus jusqu'à présent de réseaux de neurones, le réseau est utilisé pour la classification et les nœuds sont transformés avec une fonction sigmoïde. Cependant, je voudrais utiliser un réseau de neurones pour produire une valeur réelle continue (de manière réaliste, la sortie serait …

13 regression neural-networks

3

Régression habituelle vs régression lorsque les variables sont différenciées

J'essaie simplement de comprendre quelle est la relation entre une régression multiple / simple normale vs une régression multiple / simple lorsque les variables sont différenciées. Par exemple, j'analyse la relation entre le solde des dépôts ( ) et les taux du marché ( R T ) Si je lance …

13 regression time-series

3

Comment comparer les pentes de régression bootstrapées?

Supposons que j'ai deux ensembles de données avec n observations de paires de données de variable indépendante x et de variable dépendante y chacune. Supposons en outre que je souhaite générer une distribution des pentes de régression pour chaque ensemble de données en amorçant les observations (avec remplacement) N fois …

13 regression statistical-significance bootstrap

6

Endogénéité versus hétérogénéité non observée

Quelle est la différence entre l' endogénéité et l'hétérogénéité non observée? Je sais que l'endogénéité vient par exemple de variables omises? Mais d'après ce que je comprends, l'hétérogénéité non observée cause le même problème. Mais où se situe exactement la différence entre ces deux notions?

13 regression assumptions

4

Comparaison de l'importance de différents ensembles de prédicteurs

Je conseillais un étudiant-chercheur ayant un problème particulier et je souhaitais obtenir l'avis des autres sur ce site. Le contexte: Le chercheur avait trois types de variables prédictives. Chaque type contenait un nombre différent de variables prédictives. Chaque prédicteur était une variable continue: Social: S1, S2, S3, S4 (c.-à-d. Quatre …

13 regression predictor importance

3

Un prédicteur avec une plus grande variance est-il «meilleur»?

J'ai une question de concept de "statistiques de base". En tant qu'étudiant, je voudrais savoir si je pense à cela totalement faux et pourquoi, si oui: Supposons que j'essaie hypothétiquement d'examiner la relation entre les «problèmes de gestion de la colère» et de dire le divorce (oui / non) dans …

13 regression logistic

1

Régression des séries chronologiques avec chevauchement des données

Je vois un modèle de régression qui régresse les rendements des indices boursiers sur douze mois (12 mois) Rendements annuels du même indice boursier, écart de crédit (différence entre la moyenne mensuelle des obligations sans risque et des obligations de sociétés) taux d'inflation en glissement annuel et indice de production …

13 regression time-series autocorrelation

1

Méthodes d'ajustement d'un modèle «simple» d'erreur de mesure

Je recherche des méthodes qui peuvent être utilisées pour estimer le modèle d'erreur de mesure "OLS". yi=Yi+ey,iyi=Yi+ey,iy_{i}=Y_{i}+e_{y,i} xi=Xi+ex,ixi=Xi+ex,ix_{i}=X_{i}+e_{x,i} Yi=α+βXiYi=α+βXiY_{i}=\alpha + \beta X_{i} Où les erreurs sont normales indépendantes avec des variances inconnues et . L'OLS "standard" ne fonctionnera pas dans ce cas.σ2yσy2\sigma_{y}^{2}σ2xσx2\sigma_{x}^{2} Wikipedia a quelques solutions peu attrayantes - les …

13 regression estimation errors-in-variables

3

GLMNET ou LARS pour le calcul des solutions LASSO?

Je voudrais obtenir les coefficients du problème LASSO ||Y−Xβ||+λ||β||1.||Y−Xβ||+λ||β||1.||Y-X\beta||+\lambda ||\beta||_1. Le problème est que les fonctions glmnet et lars donnent des réponses différentes. Pour la fonction glmnet, je demande les coefficients de λ/||Y||λ/||Y||\lambda/||Y||au lieu de simplement λλ\lambda , mais j'obtiens toujours des réponses différentes. Est-ce attendu? Quelle est la relation …

13 r machine-learning regression lasso regularization

Questions marquées «regression»