Statistiques et Big Data regression

3

Test post hoc dans une conception mixte 2x3 ANOVA utilisant SPSS?

J'ai deux groupes de 10 participants qui ont été évalués trois fois au cours d'une expérience. Pour tester les différences entre les groupes et entre les trois évaluations, j'ai exécuté une ANOVA de conception mixte 2x3 avec group(contrôle, expérimental), time(premier, deuxième, trois) et group x time. Les deux timeet grouprésulté …

8 anova mixed-model spss post-hoc bonferroni time-series unevenly-spaced-time-series classification normal-distribution discriminant-analysis probability normal-distribution estimation sampling classification svm terminology pivot-table random-generation self-study estimation sampling estimation categorical-data maximum-likelihood excel least-squares instrumental-variables 2sls total-least-squares correlation self-study variance unbiased-estimator bayesian mixed-model ancova statistical-significance references p-value fishers-exact probability monte-carlo particle-filter logistic predictive-models modeling interaction survey hypothesis-testing multiple-regression regression variance data-transformation residuals minitab r time-series forecasting arima garch correlation estimation least-squares bias pca predictive-models genetics sem partial-least-squares nonparametric ordinal-data wilcoxon-mann-whitney bonferroni wilcoxon-signed-rank traminer regression econometrics standard-error robust misspecification r probability logistic generalized-linear-model r-squared effect-size gee ordered-logit bayesian classification svm kernel-trick nonlinear bayesian pca dimensionality-reduction eigenvalues probability distributions mathematical-statistics estimation nonparametric kernel-smoothing expected-value filter mse time-series correlation data-visualization clustering estimation predictive-models recommender-system sparse hypothesis-testing data-transformation parametric probability summations correlation pearson-r spearman-rho bayesian replicability dimensionality-reduction discriminant-analysis outliers weka

3

Comment évaluer les résultats de la régression linéaire

J'ai un problème de régression linéaire. En bref, j'ai un ensemble de données, je l'ai divisé en deux sous-ensembles. Un sous-ensemble est utilisé pour trouver la régression linéaire (sous-ensemble d'apprentissage), un autre est utilisé pour l'évaluer (sous-ensemble d'évaluation). Ma question est de savoir comment évaluer le résultat de cette régression …

8 regression linear-model

1

Régression contrainte dans R: coefficients positifs, somme à 1 et interception non nulle

J'ai le modèle que j'ai besoin d'estimer, avec et \ pi_k \ ge0 \ text {for} k \ geq 1 .Y=π0+π1X1+π2X2+π3X3+ε,Y=π0+π1X1+π2X2+π3X3+ε, Y = \pi_0 + \pi_1 X_1 + \pi_2 X_2 + \pi_3 X_3 + \varepsilon, ∑kπk=1 for k≥1∑kπk=1 for k≥1\sum_k \pi_k = 1 \text{ for }k \geq 1πk≥0 for k≥1πk≥0 …

8 r regression econometrics least-squares constrained-regression

4

Puis-je prouver une relation curviligne lorsque la variable indépendante linéaire n'est pas significative

J'étudie un effet curviligne entre X et Y en utilisant une analyse de régression hiérarchique. Pour tester les effets curvilignes, le terme au carré pour X a été calculé (je veux dire le centre aussi la variable X). Dans le modèle 1, les variables de contrôle ont été saisies. Dans …

8 regression

1

Est-il possible d'interpréter des coefficients bêta normalisés pour la régression quantile?

Est-il possible d'interpréter les coefficients d'une régression quantile sur des données standardisées? Supposons que je standardise la variable dépendante et la variable indépendante (soustrayez la moyenne et divisez par l'écart-type), puis exécutez une régression quantile pour la médiane telle queyyyXxx qreg y x, q(0.5) en stata. Le coefficient estimé pour …

8 regression stata quantiles

1

Lignes droites parallèles sur le tracé résiduel vs ajusté

J'ai un problème de régression multiple, que j'ai essayé de résoudre en utilisant une régression multiple simple: model1 <- lm(Y ~ X1 + X2 + X3 + X4 + X5, data=data) Cela semble expliquer les 85% de variance (selon R au carré), ce qui semble assez bon. Cependant, ce qui …

8 r regression multiple-regression

1

Hétéroscédasticité simultanée et queues lourdes dans un modèle de régression

J'essaie de créer un modèle de prédiction en utilisant la régression. Voici le tracé de diagnostic pour le modèle que j'obtiens en utilisant lm () dans R: Ce que j'ai lu dans le graphique QQ, c'est que les résidus ont une distribution à queue lourde, et le graphique Residuals vs …

8 regression residuals heteroscedasticity robust rlm

3

Comment normaliser un tableau si l'écart-type est nul?

J'essaie de normaliser les colonnes de l'ensemble de données pour la régression linéaire. L'une des colonnes a l'écart type = 0. def standardize(X): return (X - mean(X)) / std(X) Donc, ce code ne fonctionne pas. Existe-t-il des astuces pour résoudre ce problème? J'ai essayé deux choses Jetez la colonne avec …

8 regression standardization

5

Estimation doublement robuste de la mise en œuvre des effets de causalité

Quelqu'un connaît-il une implémentation (autre que la macro SAS) de la méthode d'estimation doublement robuste trouvée dans: Funk, MJ, Westreich, D. et al (2011). Estimation doublement robuste des effets causaux. American Journal of Epidemiology, 173 (7): 761-767. [DOI] ?

8 regression

1

Intervalles de confiance lors de l'utilisation du théorème de Bayes

Je calcule des probabilités conditionnelles et des intervalles de confiance à 95% associés. Pour bon nombre de mes cas, j'ai un décompte simple des xsuccès des nessais (à partir d'un tableau de contingence), donc je peux utiliser un intervalle de confiance binomial, tel que celui fourni par binom.confint(x, n, method='exact')dans …

8 r bayesian confidence-interval conditional-probability hidden-markov-model segmentation hypothesis-testing statistical-significance multiple-comparisons multiple-regression r regression survey sample finite-population pca model-selection dataset partitioning clustering time-series least-squares regression standard-error causality r time-series outliers missing-data machine-learning svm hypothesis-testing discrete-data r data-visualization survey likert finance regression pca feature-selection stepwise-regression underdetermined svm natural-language

1

Comparaisons moyennes après imputation multiple

Je dois faire quelques comparaisons moyennes simples entre les groupes (tests F ANOVA de base) sur des données avec des valeurs manquantes. J'utilise le package de souris dans R pour l'imputation multiple, mais je ne peux regrouper les résultats que pour les coefficients du modèle linéaire, ou le .R2R2R^2 Quelqu'un …

8 r regression t-test f-test multiple-imputation

1

Pourquoi le modèle change-t-il lors de l'utilisation de Relevel?

Lors du calcul de modèles de régression avec R, j'utilise régulièrement la fonction relevel pour que mon modèle me donne également des résultats pour l'autre niveau. J'ai remarqué que parfois, mais pas souvent, cela changeait le modèle dans le sens où les niveaux d'autres facteurs qui étaient significatifs avant la …

8 r regression

2

Erreurs non corrélées du modèle des moindres carrés généralisés (GLS)

En tant qu'institution financière, nous nous heurtons souvent à l'analyse de données chronologiques. Souvent, nous finissons par faire une régression en utilisant des variables de séries chronologiques. Dans ce cas, nous rencontrons souvent des résidus avec une structure de séries chronologiques qui viole l'hypothèse de base d'erreurs indépendantes dans la …

8 r regression time-series generalized-least-squares

1

L'homogénéité de l'échantillon est-elle une hypothèse d'analyse de régression?

J'ai supposé (c'est-à-dire je pense qu'on m'a enseigné, il y a plus longtemps que je ne me souviens) que les analyses de régression supposent qu'un échantillon est homogène. Si ce n'est pas le cas, la chose appropriée à faire est soit d'ajouter des variables fictives pour coder les différents groupes …

8 regression assumptions

1

Régression linéaire avec bruit de grenaille

Je cherche la bonne terminologie statistique pour décrire le problème suivant. Je veux caractériser un appareil électronique qui a une réponse linéaire Oui=β0+β1X+ ϵY=β0+β1X+ϵY = \beta_0 + \beta_1 X + \epsilon où ϵ ∼ N( 0 ,σ2r o)ϵ∼N(0,σro2)\epsilon \sim N(0,\sigma^2_{ro})est un terme dû au bruit de lecture de l'appareil. Afin …

8 regression maximum-likelihood heteroscedasticity errors-in-variables

Questions marquées «regression»