Czy regularyzacja może być pomocna, jeśli jesteśmy zainteresowani jedynie szacunkiem (i interpretacją) parametrów modelu, a nie prognozowaniem lub prognozowaniem? Widzę, jak regularyzacja / walidacja krzyżowa jest niezwykle przydatna, jeśli Twoim celem jest dobre prognozowanie nowych danych. Ale co, jeśli robisz tradycyjną ekonomię, a wszystko, na czym ci zależy, to szacowanie …
Mam pytanie dotyczące modeli ARIMA. Powiedzmy, że mam szereg czasowy , który chciałbym przewidzieć, a model wydaje się dobrym sposobem na przeprowadzenie prognozy. Teraz opóźnione oznacza, że na moją serię mają wpływ wcześniejsze wydarzenia. To ma sens. Ale jaka jest interpretacja błędów? Moja wcześniejsza pozostała część (jak się nie liczyłem) …
Szukałem w Internecie daleko i daleko ... Muszę znaleźć naprawdę dobry przegląd interpretacji wykresów analizy korespondencji 2D. Czy ktoś mógłby udzielić porady na temat interpretacji odległości między punktami? Być może przydałby się przykład, oto spisek znaleziony na wielu stronach, które widziałem, omawiający analizę korespondencji. Czerwone trójkąty przedstawiają kolor oczu, a …
Mam zmienną zależną od liczby porządkowej, łatwość, która waha się od 1 (niełatwo) do 5 (bardzo łatwo). Wzrost wartości niezależnych czynników jest związany ze zwiększoną oceną łatwości. Dwie moje niezależne zmienne ( condAi condB) są kategoryczne, każda z 2 poziomami, a 2 ( abilityA, abilityB) są ciągłe. Korzystam z porządkowego …
Czytam tę notatkę . Na stronie 2 znajduje się: „Ile wariancji w danych tłumaczy dany model regresji?” „Interpretacja regresji dotyczy średniej współczynników; wnioskowanie dotyczy ich wariancji”. Czytałem o takich stwierdzeniach wiele razy, dlaczego miałoby nas obchodzić „ile wariancji w danych wyjaśnia dany model regresji?”… A dokładniej, dlaczego „wariancja”?
Rozumiem pojęcie, że jest średnią, gdy zmienna kategorialna jest równa 0 (lub jest grupą odniesienia), co daje końcową interpretację, że współczynnik regresji jest różnicą średniej z dwóch kategorii. Zakładam, że nawet przy> 2 kategoriach każda wyjaśnia różnicę między średnią tej kategorii a odniesieniem.β^0β^0\hat\beta_0β^β^\hat\beta Ale co jeśli więcej zmiennych zostanie wprowadzonych …
Często argumentuje się, że szkielet bayesowski ma dużą przewagę interpretacyjną (nad częstokroć), ponieważ oblicza prawdopodobieństwo parametru na podstawie danych - zamiast jak w ramy dla częstych. Jak na razie dobrze.p ( x | θ )p ( θ | x )p(θ|x)p(\theta|x)p ( x | θ )p(x|θ)p(x|\theta) Ale całe równanie opiera się …
Rozważmy następujące dwa rozkłady prawdopodobieństwa P Q 0.01 0.002 0.02 0.004 0.03 0.006 0.04 0.008 0.05 0.01 0.06 0.012 0.07 0.014 0.08 0.016 0.64 0.928 Obliczyłem dywergencję Kullbacka-Leiblera, która jest równa Chcę ogólnie wiedzieć, co pokazuje ta liczba? Zasadniczo rozbieżność Kullbacka-Leiblera pokazuje mi, jak daleko jest jeden rozkład prawdopodobieństwa od …
Próbuję zrozumieć, w jaki sposób mogę uzyskać znaczenie funkcji zmiennej jakościowej, która została podzielona na zmienne fikcyjne. Używam scikit-learn, który nie obsługuje zmiennych kategorialnych tak jak R lub H2O. Jeśli podzielę zmienną kategorialną na zmienne pozorne, otrzymam osobne importy cech dla każdej klasy w tej zmiennej. Moje pytanie brzmi: czy …
Jeśli mój jednostronny wynik testu t jest znaczący, ale wielkość próbki jest niewielka (np. Poniżej 20 lub więcej), czy nadal mogę ufać temu wynikowi? Jeśli nie, w jaki sposób mam postępować i / lub interpretować ten wynik?
Uruchomiłem tę porządkową regresję logistyczną w R: mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) Mam to podsumowanie modelu: 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 1|2 -6.4706 1.6443 …
Odpowiedź na pytanie Związek między współczynnikami korelacji phi, Matthewsa i Pearsona? pokazuje, że wszystkie trzy współczynniki są równoważne. Nie jestem ze statystyk, więc powinno to być łatwe pytanie. Artykuł Matthewsa (www.sciencedirect.com/science/article/pii/0005279575901099) opisuje, co następuje: "A correlation of: C = 1 indicates perfect agreement, C = 0 is expected for a …
Jestem nowy w glmnetpakiecie i nadal nie jestem pewien, jak interpretować wyniki. Czy ktoś mógłby mi pomóc przeczytać poniższy wykres śledzenia? Wykres uzyskiwano, wykonując następujące czynności: library(glmnet) return <- matrix(ret.ff.zoo[which(index(ret.ff.zoo)==beta.df$date[2]), ]) data <- matrix(unlist(beta.df[which(beta.df$date==beta.df$date[2]), ][ ,-1]), ncol=num.factors) model <- cv.glmnet(data, return, standardize=TRUE) op <- par(mfrow=c(1, 2)) plot(model$glmnet.fit, "norm", label=TRUE) plot(model$glmnet.fit, …
Mam pewne dane, które są ograniczone od 0 do 1. Użyłem betaregpakietu w R, aby dopasować model regresji z ograniczonymi danymi jako zmienną zależną. Moje pytanie brzmi: jak interpretować współczynniki z regresji?
Używam standardowego modelu GARCH: rtσ2t=σtϵt=γ0+γ1r2t−1+δ1σ2t−1rt=σtϵtσt2=γ0+γ1rt−12+δ1σt−12\begin{align} r_t&=\sigma_t\epsilon_t\\ \sigma^2_t&=\gamma_0 + \gamma_1 r_{t-1}^2 + \delta_1 \sigma^2_{t-1} \end{align} Mam różne oszacowania współczynników i muszę je interpretować. Dlatego zastanawiam się nad fajną interpretacją, więc co reprezentują , i ?γ0γ0\gamma_0γ1γ1\gamma_1δ1δ1\delta_1 Widzę, że jest czymś stałym. Stanowi więc rodzaj „zmienności otoczenia”. oznacza korektę ostatnich wstrząsów. Ponadto nie …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.