Вопросы с тегом «causality»

У меня есть GLMM формы: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Когда я использую drop1(model, test="Chi"), я получаю другие результаты, чем если бы я использовал Anova(model, type="III")из пакета автомобиля или summary(model). Последние два дают одинаковые ответы. Используя кучу сфабрикованных данных, я обнаружил, …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

У меня есть вопрос о подходе «различия в различиях» со следующим стандартным уравнением: где Treat - фиктивная переменная для группы лечения и post. y=a+b1treat+b2post+b3treat⋅post+uy=a+b1treat+b2post+b3treat⋅post+u y= a + b_1\text{treat}+ b_2\text{post} + b_3\text{treat}\cdot\text{post} + u Теперь мой вопрос прост: почему в большинстве статей все еще используются дополнительные контрольные переменные? Я думал, что …

10 regression  multiple-regression  causality 

Это всего лишь пример, с которым я сталкивался несколько раз, поэтому у меня нет примеров данных. Запуск модели линейной регрессии в R: a.lm = lm(Y ~ x1 + x2) x1является непрерывной переменной x2является категориальным и имеет три значения, например, «Низкий», «Средний» и «Высокий». Однако вывод, заданный R, будет выглядеть примерно …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Я понимаю, что даже регрессия не дает причинности. Он может дать только связь между переменной y и переменными x и, возможно, направление. Я прав? Я часто встречал фразы, похожие на «x предсказывает y», даже в большинстве учебников курса и на различных страницах курса в Интернете. И вы часто называете регрессоры …

9 regression  logistic  predictive-models  terminology  causality 

Я пытаюсь оценить средний эффект лечения по данным наблюдений, используя весовые коэффициенты склонности (особенно IPTW). Я думаю, что я правильно рассчитываю ATE, но я не знаю, как рассчитать доверительный интервал ATE, принимая во внимание весовые коэффициенты обратной склонности. Вот уравнение, которое я использую для расчета среднего эффекта от лечения (ссылка …

9 r  survey  causality  propensity-scores  observational-study 

Я занимаюсь моделированием ARIMA, дополненным экзогенными переменными для целей рекламного моделирования, и мне трудно объяснить это бизнес-пользователям. В некоторых случаях программные пакеты заканчиваются простой передаточной функцией, то есть параметром * Exogenous Variable. В этом случае интерпретация проста, т.е. рекламная деятельность X (представленная экзогенной двоичной переменной) влияет на зависимую переменную (например, …

9 time-series  data-visualization  forecasting  arima  causality 

В настоящее время я читаю статью Перла (Pearl, 2009, 2-е издание) о причинности и борьбе за установление связи между непараметрической идентификацией модели и фактической оценкой. К сожалению, сам Перл очень молчит на эту тему. Чтобы привести пример, я имею в виду простую модель с причинным путем, , и механизмом, влияющим …

9 estimation  references  causality 

Случайное назначение является ценным, поскольку оно обеспечивает независимость лечения от возможных результатов. Вот как это приводит к объективным оценкам среднего эффекта лечения. Но другие схемы назначения также могут систематически обеспечивать независимость лечения от возможных результатов. Так зачем нам случайное назначение? Другими словами, в чем преимущество случайного назначения по сравнению со …

9 econometrics  experiment-design  causality  instrumental-variables  random-allocation