Вопросы с тегом «regression-coefficients»

Предположим, я хочу регрессировать против нормализованного X , но я бы хотел разреженного решения. Почему после регрессии недопустимо отбрасывать коэффициенты с наименьшей величиной?YYYXXX Для протокола, я слышал и часто использую методы LARS и LASSO. Мне просто любопытно, почему вышеуказанный подход не применим.

14 regression  regression-coefficients 

Кажется, что если у меня есть регрессионная модель, такая как я могу либо подогнать необработанный полином и получить ненадежные результаты, либо подогнать ортогональный полином и получить коэффициенты которые не имеют прямой физической интерпретации (например, я не могу использовать их, чтобы найти места экстремумов в исходном масштабе). Похоже, я должен быть …

14 regression  linear-model  regression-coefficients  polynomial 

Я сталкивался с этими двумя терминами, которые взаимозаменяемы во многих контекстах. По сути, модератор (M) - это фактор, который влияет на отношения между X и Y. Анализ модерации обычно выполняется с использованием регрессионной модели. Например, пол (M) может влиять на отношения между «исследованием продукта» (X) и «покупкой продукта» (Y). Во …

14 regression  interaction  interpretation  regression-coefficients  terminology 

Итак, я хочу подобрать случайную модель негативных биномиальных эффектов. Для такой модели STATA может производить экспоненциальные коэффициенты. Согласно справочному файлу такие коэффициенты можно интерпретировать как коэффициенты заболеваемости. К сожалению, я не являюсь носителем английского языка, и я не очень понимаю, что такое коэффициенты заболеваемости или как я могу их перевести. …

14 interpretation  negative-binomial  regression-coefficients 

Немного предыстории Я работаю над интерпретацией регрессионного анализа, но я действительно запутался в значении r, r в квадрате и остаточного стандартного отклонения. Я знаю определения: характеризации r измеряет силу и направление линейной зависимости между двумя переменными на диаграмме рассеяния R-квадрат - это статистическая мера того, насколько близки данные к подогнанной …

13 r  regression  regression-coefficients  linear  pearson-r 

Собрав ценные отзывы о предыдущих вопросах и обсуждениях, я поставил следующий вопрос: предположим, что цель состоит в том, чтобы выявить различия в эффектах в двух группах, например, мужчины и женщины. Есть два способа сделать это: запустить две отдельные регрессии для двух групп и использовать тест Вальда, чтобы отклонить (или нет) …

13 statistical-significance  interaction  regression-coefficients 

У меня очень большой набор данных и около 5% случайных значений отсутствуют. Эти переменные связаны друг с другом. В следующем примере набор данных R - просто игрушечный пример с фиктивными коррелированными данными. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Можно ли получить положительную корреляцию между регрессором и откликом ( +0,43) и, после этого, получить отрицательный коэффициент в подогнанной регрессионной модели для этого регрессора? Я не говорю об изменениях знака регрессора среди некоторых моделей. Знак коэффициента всегда остается. Могут ли остальные переменные подобранной модели влиять на изменение знака?

12 correlation  multiple-regression  regression-coefficients 

В настоящее время я работаю над созданием прогнозирующей модели для двоичного результата на наборе данных с ~ 300 переменными и 800 наблюдениями. Я много читал на этом сайте о проблемах, связанных со ступенчатой ​​регрессией, и почему бы не использовать ее. Я изучал регрессию LASSO и ее способность выбирать функции и …

12 multiple-regression  predictive-models  interpretation  regression-coefficients  lasso 

Я оцениваю два (2) хладагента (газа), которые использовались в одной и той же системе охлаждения. У меня есть данные о температуре всасывания ( ), температуре конденсации ( ) и силе тока ( ) для оценки. Есть два (2) набора данных; 1-й хладагент ( ) и 2-й хладагент ( ). Я …

12 regression  regression-coefficients 

У меня есть модель линейной регрессии, где зависимая переменная записывается, а независимая переменная является линейной. Коэффициент наклона для ключевой независимой переменной отрицателен: . Не уверен, как интерпретировать.- .0564−.0564-.0564 Должен ли я использовать абсолютное значение затем превратить его в негативе , как это: ( опыт( 0,0564 ) - 1 ) ⋅ …

11 linear-model  interpretation  regression-coefficients 

Моя цель состоит в том, чтобы использовать коэффициенты, полученные в ходе предыдущих исследований по этому вопросу, для прогнозирования фактических результатов с учетом набора независимых переменных. Тем не менее, в исследовательской работе перечислены только бета-коэффициенты и t-значение. Я хотел бы знать, возможно ли преобразовать стандартизированные коэффициенты в нестандартные. Было бы полезно …

11 regression-coefficients 

Как можно получить стандартизированные (с фиксированным эффектом) веса регрессии из многоуровневой регрессии? И, как «дополнение»: Каков самый простой способ получить эти стандартизированные веса из mer-объекта (из lmerфункции lme4пакета в R)?

11 r  multilevel-analysis  lme4-nlme  regression-coefficients  standardization 

Есть модель регрессии, где с и , у которой есть коэффициент корреляции .a = 1,6 b = 0,4 r = 0,60302Y=a+bXY=a+bXY = a + bXa=1.6a=1.6a = 1.6b=0.4b=0.4b=0.4r=0.60302r=0.60302r = 0.60302 Если и затем переключаются, и уравнение становится где и , оно также имеет значение .Y X = c + d Y …

11 correlation  regression-coefficients 

mgcvПакет Rимеет две функции для установки взаимодействия Тензор продукта: te()и ti(). Я понимаю основное разделение труда между ними (подгонка нелинейного взаимодействия против разложения этого взаимодействия на основные эффекты и взаимодействие). Чего я не понимаю, так это почему te(x1, x2)и ti(x1) + ti(x2) + ti(x1, x2)может дать (немного) разные результаты. MWE …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa