Preguntas etiquetadas con heteroscedasticity

Varianza no constante a lo largo de algún continuo en un proceso aleatorio.

2
Estime la tasa a la que la desviación estándar escala con una variable independiente
Tengo un experimento en el que estoy tomando medidas de una variable normalmente distribuida ,YYY Y∼N(μ,σ)Y∼N(μ,σ)Y \sim N(\mu,\sigma) Sin embargo, experimentos anteriores han proporcionado alguna evidencia de que la desviación estándar es una función afín de una variable independiente , es decirσσ\sigmaXXX σ=a|X|+bσ=a|X|+b\sigma = a|X| + b Y∼N(μ,a|X|+b)Y∼N(μ,a|X|+b)Y \sim N(\mu,a|X| …
1
R / mgcv: ¿Por qué los productos tensoriales te () y ti () producen superficies diferentes?
El mgcvpaquete Rtiene dos funciones para ajustar las interacciones del producto tensorial: te()y ti(). Entiendo la división básica del trabajo entre los dos (ajustar una interacción no lineal versus descomponer esta interacción en efectos principales y una interacción). Lo que no entiendo es por qué te(x1, x2)y ti(x1) + ti(x2) …
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 
2
¿Cómo realizar un análisis residual para predictores independientes binarios / dicotómicos en regresión lineal?
Estoy realizando la regresión lineal múltiple a continuación en R para predecir los rendimientos del fondo administrado. reg <- lm(formula=RET~GRI+SAT+MBA+AGE+TEN, data=rawdata) Aquí solo GRI y MBA son predictores binarios / dicotómicos; Los predictores restantes son continuos. Estoy usando este código para generar gráficos residuales para las variables binarias. plot(rawdata$GRI, reg$residuals) …
2
¿Cómo obtener la tabla ANOVA con errores estándar robustos?
Estoy ejecutando una regresión OLS agrupada usando el paquete plm en R. Sin embargo, mi pregunta es más sobre estadísticas básicas, por lo que intento publicarlo aquí primero;) Dado que mis resultados de regresión producen residuos heteroscedasticos, me gustaría intentar usar errores estándar robustos de heteroscedasticidad. Como resultado coeftest(mod, vcov.=vcovHC(mod, …
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.