Estadísticas y Big Data

Tengo un modelo económico teórico que es el siguiente, y=a+b1x1+b2x2+b3x3+uy=a+b1x1+b2x2+b3x3+u y = a + b_1x_1 + b_2x_2 + b_3x_3 + u Entonces la teoría dice que hay factores , y para estimar .x 2 x 3 yx1x1x_1x2x2x_2x3x3x_3yyy Ahora tengo los datos reales y necesito estimar , , . El problema …

14 regression  multiple-regression  endogeneity 

Estoy interesado en obtener una estimación imparcial de R2R2R^2 en una regresión lineal múltiple. Al reflexionar, puedo pensar en dos valores diferentes que una estimación imparcial de R2R2R^2 podría estar tratando de igualar. Fuera de la muestra :R2R2R^2 el r-cuadrado que se obtendría si la ecuación de regresión obtenida de …

14 estimation  multiple-regression  r-squared  bias 

¿Cómo probar la igualdad simultánea de los coeficientes elegidos en el modelo logit o probit? ¿Cuál es el enfoque estándar y cuál es el enfoque del estado del arte?

14 hypothesis-testing  logit  probit 

Los datos que tengo son un valor de pendiente de regresión de y ~ tiempo, un error estándar, un valor n y un valor p, para una especie en particular en dos áreas diferentes. Quiero verificar si la pendiente de regresión para un área es significativamente diferente de la pendiente …

14 r  regression  statistical-significance 

Quiero incluir el tiempo dedicado a hacer algo (semanas de lactancia materna, por ejemplo) como una variable independiente en un modelo lineal. Sin embargo, algunas observaciones no se involucran en el comportamiento en absoluto. Codificarlos como 0 no es realmente correcto, porque 0 es cualitativamente diferente de cualquier valor> 0 …

14 regression  generalized-linear-model  mixture 

Pr(X>x)Pr(X>x)\Pr(X>x)

14 self-study 

Me han dado datos x = c(21,34,6,47,10,49,23,32,12,16,29,49,28,8,57,9,31,10,21,26,31,52,21,8,18,5,18,26,27,26,32,2,59,58,19,14,16,9,23,28,34,70,69,54,39,9,21,54,26) y = c(47,76,33,78,62,78,33,64,83,67,61,85,46,53,55,71,59,41,82,56,39,89,31,43,29,55, 81,82,82,85,59,74,80,88,29,58,71,60,86,91,72,89,80,84,54,71,75,84,79) ¿Cómo puedo obtener los residuos y trazarlos frente a xxx ? ¿Y cómo puedo probar si los residuos parecen ser aproximadamente normales? No estoy seguro de si hago el ajuste lineal original correctamente ya que obtuve la ecuación pero …

14 r  regression 

Estoy usando la regresión cuantil (por ejemplo, a través de gbmo quantregen R), sin centrarme en la mediana, sino en un cuantil superior (por ejemplo, 75º). Viniendo de un entorno de modelado predictivo, quiero medir qué tan bien se ajusta el modelo en un conjunto de prueba y poder describir …

14 regression  data-mining  predictive-models  quantile-regression 

Al ejecutar la regresión de cresta, ¿cómo interpreta los coeficientes que terminan siendo más grandes que sus coeficientes correspondientes bajo mínimos cuadrados (para ciertos valores de )? ¿No se supone que la regresión de cresta reduce los coeficientes monotónicamente?λλ\lambda En una nota relacionada, ¿cómo se interpreta un coeficiente cuyo signo …

14 interpretation  regression-coefficients  ridge-regression 

Me gustaría crear un bosque aleatorio usando el siguiente proceso: Construya un árbol en muestras aleatorias de los datos y características usando la ganancia de información para determinar divisiones Termine un nodo de hoja si excede una profundidad predefinida O cualquier división daría como resultado un recuento de hojas menor …

14 classification  random-forest  lasso  ensemble 

Actualmente estoy trabajando en un modelo de regresión donde solo tengo variables categóricas / factoriales como variables independientes. Mi variable dependiente es una relación transformada logit. Es bastante fácil ejecutar una regresión normal en R, ya que R sabe automáticamente cómo codificar dummies tan pronto como son del tipo "factor". …

14 r  regression  categorical-data  categorical-encoding 

Me preguntaba si alguien podría explicar la diferencia entre la precisión equilibrada que es b_acc = (sensitivity + specificity)/2 y puntaje f1 que es: f1 = 2*precision*recall/(precision + recall)

14 unbalanced-classes 

Me encontré con un rumor de que algunos estudios mostraron que el rendimiento de los modelos predictivos depende más de la experiencia del analista de datos con el método elegido que de la elección del método. En otras palabras, la afirmación es que es más importante que el analista de …

14 predictive-models  method-comparison 

Tengo un conjunto de datos como +--------+------+-------------------+ | income | year | use | +--------+------+-------------------+ | 46328 | 1989 | COMMERCIAL EXEMPT | | 75469 | 1998 | CONDOMINIUM | | 49250 | 1950 | SINGLE FAMILY | | 82354 | 2001 | SINGLE FAMILY | | 88281 | 1985 …

14 categorical-data  svm  mixed-type-data 

He estado tratando de resolver este problema durante más de un año sin mucho progreso. Es parte de un proyecto de investigación que estoy haciendo, pero lo ilustraré con un ejemplo de historia que inventé, porque el dominio real del problema es un poco confuso (seguimiento ocular). Usted es un …

14 time-series  machine-learning  prediction