Pytania otagowane jako regression

Mam dane, które dopasowałem za pomocą modelu LOESS w R, co daje mi to: Dane mają jeden predyktor i jedną odpowiedź i są heteroscedastyczne. Dodałem również przedziały ufności. Problem polega na tym, że przedziały są przedziałami ufności dla linii, podczas gdy mnie interesują przedziały prognozowania. Na przykład dolny panel jest …

17 r  regression  prediction-interval  loess 

Mam pytanie dotyczące pominiętej zmienności stronniczej w regresji logistycznej i liniowej. Powiedzmy, że pomijam niektóre zmienne z modelu regresji liniowej. Udawaj, że te pominięte zmienne nie są skorelowane ze zmiennymi, które zawarłem w moim modelu. Te pominięte zmienne nie wpływają na współczynniki w moim modelu. Ale w regresji logistycznej właśnie …

17 regression  logistic  least-squares  bias 

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 …

17 r  regression  logistic  interpretation  ordered-logit 

Mam dwa główne efekty, V1 i V2. Wpływ V1 i V2 na zmienne odpowiedzi jest negatywny. Jednak z jakiegoś powodu uzyskuję dodatni współczynnik dla terminu interakcji V1 * V2. Jak mogę to zinterpretować? czy taka sytuacja jest możliwa?

17 regression  interaction 

Nie rozumiem wyjaśnienia w Rpliku pomocy dla efektów () : Dla modelu liniowego dopasowanego przez lmlubaov , efektami są nieskorelowane wartości pojedynczego stopnia swobody uzyskane przez rzutowanie danych na kolejne ortogonalne podprzestrzenie generowane przez rozkład QR podczas procesu dopasowania. Czy ktoś może wyjaśnić, co to oznacza? Czy ortogonalne podprzestrzenie odnoszą …

17 r  regression 

Mam niezależną zmienną o nazwie „jakość”; ta zmienna ma 3 tryby odpowiedzi (zła jakość; średnia jakość; wysoka jakość). Chcę wprowadzić tę zmienną niezależną do mojej wielokrotnej regresji liniowej. Kiedy mam binarną zmienną niezależną (zmienną fikcyjną, mogę kodować 0/ 1), łatwo jest wprowadzić ją do modelu wielokrotnej regresji liniowej. Ale przy …

17 r  regression  categorical-data  multicollinearity  categorical-encoding 

Wiem, że β0^=y¯−β1^x¯β0^=y¯−β1^x¯\hat{\beta_0}=\bar{y}-\hat{\beta_1}\bar{x} i oto, jak daleko doszedłem, kiedy obliczyłem wariancję: 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*} ale to daleko, jak mam. Ostateczna formuła, …

17 regression  self-study 

Biorąc pod uwagę ciągłą zmienną zależną y i zmienne niezależne, w tym zmienną porządkową X 1 , jak dopasować model liniowy R? Czy są artykuły na temat tego typu modelu?

17 r  regression  lasso  ordinal-data  predictor 

Mam dwie serie czasowe: Pełnomocnik dla premii za ryzyko rynkowe (ERP; czerwona linia) Stopa wolna od ryzyka, w pobliżu obligacji skarbowej (niebieska linia) Chcę sprawdzić, czy stopa wolna od ryzyka może wyjaśnić ERP. Niniejszym zasadniczo postępowałem zgodnie z radą Tsay (2010, 3. wydanie, str. 96): Financial Time Series: Dopasuj model …

17 regression  time-series 

To jest podstawowe pytanie dotyczące modeli Box-Jenkins MA. Jak rozumiem, model MA jest zasadniczo liniową regresję szeregów czasowych wartości YYY przeciwko poprzednich kadencjach błędach et,...,et−net,...,et−ne_t,..., e_{t-n} . Oznacza to, że obserwacja YYY najpierw regresji na jej poprzednich wartości Yt−1,...,Yt−nYt−1,...,Yt−nY_{t-1}, ..., Y_{t-n} , a następnie jedno lub więcej Y−Y^Y−Y^Y - \hat{Y} …

17 regression  time-series  arima  box-jenkins 

Załóżmy, że przeprowadziliśmy prostą regresję liniową y=β0+β1x+uy=β0+β1x+uy=\beta_0+\beta_1x+u , zapisaliśmy reszty ui^ui^\hat{u_i} narysowaliśmy histogram rozkładu reszt. Jeśli otrzymamy coś, co wygląda jak dobrze znana dystrybucja, czy możemy założyć, że nasz termin błędu ma tę dystrybucję? Powiedzmy, że jeśli dowiemy się, że reszty przypominają rozkład normalny, czy uzasadnione jest przyjęcie normalności terminu …

17 r  regression  residuals 

Aktualizacja : Przepraszam za kolejną aktualizację, ale znalazłem kilka możliwych rozwiązań z ułamkami wielomianów i konkurencyjnym pakietem ryzyka, z którym potrzebuję pomocy. Problem Nie mogę znaleźć łatwego sposobu na wykonanie analizy współczynnika zależnego od czasu w R. Chcę mieć mój współczynnik zmiennych i zrobić to w zależności od czasu (nie …

17 r  regression  survival  cox-model 

Pracujemy z pewnymi regresjami logistycznymi i zdaliśmy sobie sprawę, że średnie oszacowane prawdopodobieństwo zawsze równa jest proporcji jednych w próbie; to znaczy, średnia dopasowanych wartości jest równa średniej próbki. Czy ktoś może mi wyjaśnić przyczynę lub podać źródło, w którym mogę znaleźć tę demonstrację?

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

Mam dopasowany model (z literatury). Mam również surowe dane dla zmiennych predykcyjnych. Jakie równanie powinienem zastosować, aby uzyskać prawdopodobieństwa? Zasadniczo, jak połączyć surowe dane i współczynniki, aby uzyskać prawdopodobieństwa?

17 regression  logistic 

Próbuję zrozumieć logikę testu F ANOVA w prostej analizie regresji liniowej. Pytanie, które mam, jest następujące. Gdy wartość F, tj. MSR/MSEJest duża, akceptujemy model jako znaczący. Jaka jest logika tego?

17 regression  anova