Preguntas etiquetadas con generalized-linear-model

Una generalización de la regresión lineal que permite relaciones no lineales a través de una "función de enlace" y que la varianza de la respuesta dependa del valor predicho. (No debe confundirse con el "modelo lineal general" que extiende el modelo lineal ordinario a la estructura de covarianza general y la respuesta multivariada).






2
Splines en GLM y GAM
¿Es incorrecto que las splines solo estén disponibles en los modelos GAM y no en los modelos GLM? Escuché esto hace un tiempo, y me pregunto si esto es solo una idea falsa, o si tiene algo de verdad. Aquí hay una ilustración:

1
¿Puede dar una explicación intuitiva simple del método IRLS para encontrar el MLE de un GLM?
Antecedentes: Estoy tratando de seguir la revisión de Princeton de la estimación de MLE para GLM . Entiendo los conceptos básicos de la estimación MLE: likelihood, score, observada y esperada Fisher informationy la Fisher scoringtécnica. Y sé cómo justificar la regresión lineal simple con la estimación MLE . La pregunta: …



1
Alternativas de sobredispersión y modelado en modelos de efectos aleatorios de Poisson con compensaciones
Me he encontrado con una serie de preguntas prácticas al modelar datos de conteo de investigaciones experimentales utilizando un experimento dentro del sujeto. Describo brevemente el experimento, los datos y lo que he hecho hasta ahora, seguido de mis preguntas. Se mostraron cuatro películas diferentes a una muestra de encuestados …


5
¿Cómo realizar la imputación de valores en una gran cantidad de puntos de datos?
Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace …
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 



1
¿Hay algún problema con la multicolinealidad y la regresión de splines?
Cuando se usan splines cúbicas naturales (es decir, restringidas), las funciones básicas creadas son altamente colineales, y cuando se usan en una regresión parecen producir estadísticas muy altas de VIF (factor de inflación de varianza), lo que indica multicolinealidad. Cuando se considera el caso de un modelo con fines de …

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.