Preguntas etiquetadas con least-squares

Estoy ejecutando un par de regresiones y, como quería estar en el lado seguro, decidí usar errores estándar HAC (heteroscedasticidad y autocorrelación consistentes) en todo momento. Puede haber algunos casos en los que la correlación en serie no está presente. ¿Es de todos modos un enfoque válido? ¿Hay algún inconveniente?

8 time-series  least-squares  standard-error  robust  robust-standard-error 

Encontré que para un modelo de regresión lineal simple, tanto el MCO como el método de máxima verosimilitud (suponiendo una distribución Normal) dan el mismo resultado (valores de parámetros). A partir de esto, ¿podemos decir que los MCO también hacen suposiciones implícitas sobre la distribución Normal o viceversa? No me …

8 regression  normal-distribution  maximum-likelihood  least-squares 

Estoy usando R para realizar una regresión lineal. He visto formas de calcular los intervalos de predicción, pero estos dependen de datos homoscedastic. ¿Hay alguna forma de calcular los intervalos de predicción con datos heteroscedásticos?

8 r  regression  least-squares  heteroscedasticity  prediction-interval 

Dado un modelo: y=β0 0+β1⋅ f+ uy=β0 0+β1⋅F+tu y = \beta_0 + \beta_1 \cdot f + u Donde es ficticio si es hembra y caso contrario, y es altura en cm. El tamaño de la muestra es en total. Además y . Calcular las estimaciones de los parámetros.FFf= 1=1=10 00 …

8 self-study  least-squares 

En Una Introducción al Aprendizaje Estadístico (James et al.), En la sección 3.7 ejercicio 5, establece que la fórmula para suponiendo una regresión lineal sin una intersección es donde yβ^1β^1\hat{\beta}_1β^1=∑i=1nxiyi∑i=1nx2i,β^1=∑i=1nxiyi∑i=1nxi2,\hat{\beta}_1 = \dfrac{\displaystyle\sum\limits_{i=1}^{n}x_iy_i}{\displaystyle \sum\limits_{i=1}^{n}x_i^2}\text{,}β^0=y¯−β^1x¯β^0=y¯−β^1x¯\hat{\beta}_0 = \bar{y}-\hat{\beta}_1\bar{x}β^1=SxySxxβ^1=SxySxx\hat{\beta}_1 = \dfrac{\displaystyle S_{xy}}{S_{xx}} son las estimaciones habituales en OLS para la regresión lineal simple (Sxy=∑i=1n(xi−x¯)(yi−y¯)Sxy=∑i=1n(xi−x¯)(yi−y¯)S_{xy} …

8 self-study  least-squares 

Tengo 3 conjuntos de datos del mismo sistema. Pero para el primero, tengo 21 medidas. Para el segundo y el tercero solo tengo 9 medidas. Ahora hice un modelo usando estos 3 conjuntos de datos (3 modelos, 1 por conjunto de datos). Cuando quiero comparar el error entre estos dos …

8 least-squares  sums-of-squares 

El tratamiento habitual de los libros de texto de ajuste por variables superfluas en OLS establece que el estimador aún no es imparcial, pero puede tener una mayor varianza (ver, por ejemplo, Greene, Econometric Analysis, 7th ed., P. 58). El otro día me topé con el tratamiento de Judea Pearl …

8 least-squares  bias  causality  simpsons-paradox 

Tengo un conjunto de observaciones, independiente del tiempo. Me pregunto si debería ejecutar alguna prueba de autocorrelación. Me parece que no tiene sentido, ya que no hay un componente de tiempo en mis datos. Sin embargo, en realidad probé la prueba LM de correlación en serie e indica una fuerte …

8 multiple-regression  least-squares  autocorrelation  residuals  cross-section 

Me refiero a esta publicación que parece cuestionar la importancia de la distribución normal de los residuos, argumentando que esto, junto con la heterocedasticidad, podría evitarse mediante el uso de errores estándar robustos. He considerado varias transformaciones (raíces, registros, etc.) y todo resulta inútil para resolver completamente el problema. Aquí …

8 normal-distribution  stata  least-squares  residuals  assumptions 

Cuando ejecuto este código: require(nlme) a <- matrix(c(1,3,5,7,4,5,6,4,7,8,9)) b <- matrix(c(3,5,6,2,4,6,7,8,7,8,9)) res <- lm(a ~ b) print(summary(res)) res_gls <- gls(a ~ b) print(summary(res_gls)) Obtengo los mismos coeficientes y la misma significación estadística en los coeficientes: Loading required package: nlme Call: lm(formula = a ~ b) Residuals: Min 1Q Median 3Q …

8 r  least-squares  generalized-least-squares 

Tengo dos grupos de 10 participantes que fueron evaluados tres veces durante un experimento. Para probar las diferencias entre los grupos y entre las tres evaluaciones, ejecuté un ANOVA de diseño mixto 2x3 con group(control, experimental), time(primero, segundo, tres) y group x time. Ambos timey groupresultaron significativos, además hubo una …

8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 

Tengo el modelo que necesito estimar, con y .Y=π0 0+π1X1+π2X2+π3X3+ ε ,Y=π0 0+π1X1+π2X2+π3X3+ε, Y = \pi_0 + \pi_1 X_1 + \pi_2 X_2 + \pi_3 X_3 + \varepsilon, ∑kπk= 1 para k ≥ 1∑kπk=1 para k≥1\sum_k \pi_k = 1 \text{ for }k \geq 1πk≥ 0 para k ≥ 1πk≥0 0 para …

8 r  regression  econometrics  least-squares  constrained-regression 

Estoy calculando algunas probabilidades condicionales y los intervalos de confianza del 95% asociados. Para muchos de mis casos, tengo recuentos directos de xéxitos fuera de los nensayos (de una tabla de contingencia), por lo que puedo usar un intervalo de confianza binomial, como se proporciona binom.confint(x, n, method='exact')en R. Sin …

8 r  bayesian  confidence-interval  conditional-probability  hidden-markov-model  segmentation  hypothesis-testing  statistical-significance  multiple-comparisons  multiple-regression  r  regression  survey  sample  finite-population  pca  model-selection  dataset  partitioning  clustering  time-series  least-squares  regression  standard-error  causality  r  time-series  outliers  missing-data  machine-learning  svm  hypothesis-testing  discrete-data  r  data-visualization  survey  likert  finance  regression  pca  feature-selection  stepwise-regression  underdetermined  svm  natural-language 

Supongamos que son series de tiempo con , ( y es similar a la de , pero cambia cuando el dummy = 1). y , . En un entorno real, esto será un rendimiento periódico del mercado de valores sobre empresas (pero puede ignorar esto). Hay un ficticio, que es …

8 time-series  least-squares  residuals  bias 

En el modelo logístico idealizado, obtenemos una curva en forma de S que une cada IV continua al DV. Pero en la práctica, esta forma de S ocurre con poca frecuencia, lo que hace que el enfoque logístico parezca un poco menos superior para este tipo de datos. Por supuesto, …

8 regression  logistic  least-squares  eda