Preguntas etiquetadas con causality

La relación entre causa y efecto.

1
¿Por qué Anova () y drop1 () proporcionaron diferentes respuestas para GLMM?
Tengo un GLMM de la forma: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Cuando lo uso drop1(model, test="Chi"), obtengo resultados diferentes a los que uso Anova(model, type="III")del paquete del automóvil o summary(model). Estos dos últimos dan las mismas respuestas. Usando un montón de …
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 
1
R regresión lineal variable categórica valor "oculto"
Este es solo un ejemplo que he encontrado varias veces, por lo que no tengo ningún dato de muestra. Ejecutar un modelo de regresión lineal en R: a.lm = lm(Y ~ x1 + x2) x1Es una variable continua. x2es categórico y tiene tres valores, por ejemplo, "Bajo", "Medio" y "Alto". …
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 
1
Intervalo de confianza para el efecto del tratamiento promedio de la ponderación de puntaje de propensión?
Estoy tratando de estimar el efecto promedio del tratamiento a partir de datos de observación utilizando la ponderación de puntaje de propensión (específicamente IPTW). Creo que estoy calculando el ATE correctamente, pero no sé cómo calcular el intervalo de confianza del ATE teniendo en cuenta los pesos del puntaje de …
1
De la identificación a la estimación
Actualmente estoy leyendo el artículo de Pearl (Pearl, 2009, 2ª edición) sobre causalidad y lucha para establecer el vínculo entre la identificación no paramétrica de un modelo y la estimación real. Desafortunadamente, el propio Pearl no dice nada sobre este tema. Para dar un ejemplo, tengo en mente un modelo …
3
Asignación aleatoria: ¿por qué molestarse?
La asignación aleatoria es valiosa porque garantiza la independencia del tratamiento de los posibles resultados. Así es como conduce a estimaciones imparciales del efecto promedio del tratamiento. Pero otros esquemas de asignación también pueden garantizar sistemáticamente la independencia del tratamiento de los posibles resultados. Entonces, ¿por qué necesitamos una asignación …
4
¿Cómo se verifica la causalidad?
Después de haber demostrado que dos cantidades están correlacionadas, ¿cómo inferimos que la relación es causal? ¿Y además cuál causa qué? Ahora, en teoría, se puede usar una "asignación aleatoria" (cualquiera que sea la palabra correcta), para romper cualquier vínculo accidental que pueda existir entre dos variables. Pero en algunos …
4
Definición matemática de causalidad
Dejar YYY y XXX ser variables aleatorias E(Y|X)E(Y|X)E(Y|X) es la media condicional de YYY dado XXX. DecimosYYY no está causalmente relacionado con XXX Si E(Y|X)E(Y|X)E(Y|X) no depende de XXX, lo que implica que es igual a E(Y)E(Y)E(Y). Ahora, sigamos con esta definición de causalidad por un segundo. Por la ley …
1
En el análisis de puntaje de propensión, ¿cuáles son las opciones para lidiar con propensiones muy pequeñas o grandes?
\newcommand{\P}{\mathbb{P}} Me interesan los datos de observación en los que la asignación del tratamiento puede explicarse extremadamente bien. Por ejemplo, una regresión logística de P (A=1 | X) = ( 1 + exp(−(Xβ)))−1P(A=1|X)=(1+exp⁡(−(Xβ)))−1\P(A =1 |X) = (1+ \exp(-(X\beta)))^{-1} si asignación de tratamiento y covariables se ajustan muy bien con prueba …
1
¿Cuál es la mejor manera de visualizar la regresión de diferencias en diferencias (período múltiple)?
¿Cuál es la mejor manera de visualizar las diferencias en las diferencias para el tratamiento binario y continuo? ¿Regreso la variable de resultado en el conjunto de controles, pero excluyo la variable de tratamiento y grafo los residuos en cada grupo (caso binario)? ¿Hay alguna forma de ver la "dinámica" …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.