Вопросы с тегом «r-squared»

Насколько я понимаю, объясняет, насколько хорошо модель предсказывает наблюдение. Скорректированный - это тот, который учитывает больше наблюдений (или степеней свободы). Итак, Скорректированный предсказывает модель лучше? Тогда почему это меньше, чем ? Похоже, что часто должно быть больше.R2R2R^2R2R2R^2R2R2R^2R2R2R^2

15 regression  r-squared 

Как рассчитать R-квадрат ( ) статистики в R для и / или выхода функции? Например, для этих данных:р2р2r^2loesspredict cars.lo <- loess(dist ~ speed, cars) cars.lp <- predict(cars.lo, data.frame(speed = seq(5, 30, 1)), se = TRUE) cars.lpимеет два массива fitдля модели и se.fitдля стандартной ошибки.

15 r  r-squared  loess 

Я имею в виду скорректированные формулы R-квадрата, предложенные: Иезекииль (1930), который, как мне кажется, в настоящее время используется в SPSS. R2adjusted=1−(N−1)(N−p−1)(1−R2)Radjusted2=1−(N−1)(N−p−1)(1−R2)R^2_{\rm adjusted} = 1 - \frac{(N-1)}{(N-p-1)} (1-R^2) Олкин и Пратт (1958) р2у п б я ы е д= 1 - ( N- 3 ) ( 1 - R2)( N- р …

15 regression  r-squared 

Использует ли сравнение элементов F-regressionто же самое, что и сопоставление элементов с меткой по отдельности и соблюдение значения ?р2R2R^2 Я часто видел, как мои коллеги использовали F regressionдля выбора функций в своем конвейере машинного обучения из sklearn: sklearn.feature_selection.SelectKBest(score_func=sklearn.feature_selection.f_regression...)` Некоторые, пожалуйста, скажите мне - почему это дает те же результаты, что …

15 feature-selection  python  scikit-learn  r-squared  f-test 

Я понимаю, что это означает, что модель плохо предсказывает отдельные точки данных, но установила устойчивую тенденцию (например, у возрастает, когда х повышается).

14 regression  inference  r-squared  linear 

Примечание. = сумма квадратов, = сумма квадратов ошибок и = регрессионная сумма квадратов. Уравнение в названии часто записывается как:SSTSSTSSTSSESSESSESSRSSRSSR ∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2\sum_{i=1}^n (y_i-\bar y)^2=\sum_{i=1}^n (y_i-\hat y_i)^2+\sum_{i=1}^n (\hat y_i-\bar y)^2 Довольно простой вопрос, но я ищу интуитивное объяснение. Интуитивно, мне кажется, что будет иметь больше смысла. Например, предположим, что точка имеет соответствующее значение …

14 regression  least-squares  r-squared 

В психологии и других областях часто используется форма ступенчатой ​​регрессии, которая включает в себя следующее: Посмотрите на остальные предикторы (сначала их нет в модели) и определите предиктор, который приведет к наибольшему изменению r-квадрата; Если значение p изменения r-квадрата меньше, чем альфа (обычно 0,05), включите этот предиктор и вернитесь к шагу …

14 regression  model-selection  bias  r-squared  stepwise-regression 

Я заинтересован в получении объективной оценки в множественной линейной регрессии.R2R2R^2 Подумав, я могу подумать о двух разных значениях, которым может соответствовать несмещенная оценка .R2R2R^2 Из образца :R2R2R^2 R-квадрат , который можно было бы получить , если уравнение регрессии , полученный из образца ) были применены к бесконечным количеством данных , …

14 estimation  multiple-regression  r-squared  bias 

В линейной регрессии мы часто получаем несколько R и R в квадрате. Каковы различия между ними?

14 regression  r-squared 

Я часто использовал для диагностики своих многомерных данных с использованием PCA (опускаются данные с сотнями тысяч переменных и десятками или сотнями выборок). Данные часто приходят из экспериментов с несколькими категориальными независимыми переменными, определяющими некоторые группы, и мне часто приходится проходить через несколько компонентов, прежде чем я смогу найти те, которые …

13 pca  linear-model  r-squared  discriminant-analysis 

Вот мой контекст для этого вопроса: Из того, что я могу сказать, мы не можем запустить обычную регрессию наименьших квадратов в R при использовании взвешенных данных и surveyпакета. Здесь мы должны использовать svyglm(), который вместо этого запускает обобщенную линейную модель (что может быть тем же самым? Я нечеткий здесь с …

13 r  generalized-linear-model  least-squares  r-squared  deviance 

Приведенные ниже графики являются графиками остаточного разброса регрессионного теста, для которого предположения о «нормальности», «гомоскедастичности» и «независимости» уже были точно соблюдены! Для проверки предположения о «линейности» , хотя, глядя на графики, можно догадаться, что отношение является криволинейным, но вопрос заключается в следующем: как можно использовать значение «R2 Linear» для проверки …

13 multiple-regression  linear-model  assumptions  r-squared 

Я гуглил и искал по stats.stackexchange, но не могу найти формулу для расчета 95% доверительного интервала для значения для линейной регрессии. Кто-нибудь может это предоставить?р2R2R^2 Еще лучше, скажем, я выполнил линейную регрессию ниже в R. Как бы я вычислил 95% доверительный интервал для значения используя код R.р2R2R^2 lm_mtcars <- lm(mpg …

13 r  regression  confidence-interval  inference  r-squared 

Я читал о расчете значений в смешанных моделях и после прочтения FAQ по R-sig, других постов на этом форуме (я бы связал несколько, но мне не хватает репутации) и нескольких других ссылок, которые я понимаю, используя Значения в контексте смешанных моделей сложны.R 2р2R2R^2р2R2R^2 Однако недавно я наткнулся на эти две …

13 r  mixed-model  r-squared  lme4-nlme 

Мне любопытно заявление, сделанное внизу первой страницы в этом тексте относительно настройкиR2adjustedRadjusted2R^2_\mathrm{adjusted} R2adjusted=1−(1−R2)(n−1n−m−1).Radjusted2=1−(1−R2)(n−1n−m−1).R^2_\mathrm{adjusted} =1-(1-R^2)\left({\frac{n-1}{n-m-1}}\right). Текст гласит: Логика корректировки заключается в следующем: в обычной множественной регрессии случайный предиктор объясняет в среднем пропорцию 1/(n–1)1/(n–1)1/(n – 1) вариации ответа, так что mmm случайных предикторов объясняют вместе, в среднем, m/(n–1)m/(n–1)m/(n – 1) вариации ответа; …

12 regression  expected-value  goodness-of-fit  r-squared