Preguntas etiquetadas con lm

Según tengo entendido, estoy interesado en replicar manualmente el cálculo de los errores estándar de los coeficientes estimados ya que, por ejemplo, viene con el resultado de la lm()función R, pero no he podido precisarlo. ¿Cuál es la fórmula / implementación utilizada?

114 r  regression  standard-error  lm 

Específicamente, quiero saber si hay una diferencia entre lm(y ~ x1 + x2)y glm(y ~ x1 + x2, family=gaussian). Creo que este caso particular de glm es igual a lm. ¿Me equivoco?

45 r  normal-distribution  generalized-linear-model  lm 

Quiero suponer que la temperatura de la superficie del mar del mar Báltico es la misma año tras año, y luego describirlo con un modelo lineal / función. La idea que tenía era ingresar el año como un número decimal (o num_months / 12) y averiguar cuál debería ser la …

37 r  regression  time-series  lm 

¿Cuál es la fórmula exacta utilizada en R lm() para el R cuadrado ajustado? ¿Cómo puedo interpretarlo? Fórmulas r-cuadrado ajustadas Parece que existen varias fórmulas para calcular el R cuadrado ajustado. Fórmula de Wherry:1 - ( 1 - R2) ( n - 1 )( n - v )1-(1-R2)(norte-1)(norte-v)1-(1-R^2)\frac{(n-1)}{(n-v)} Fórmula de …

35 r  regression  r-squared  lm  shrinkage 

Podemos usar lm()para predecir un valor, pero aún necesitamos la ecuación de la fórmula del resultado en algunos casos. Por ejemplo, agregue la ecuación a las gráficas.

29 r  regression  lm 

Como precuela de una pregunta sobre modelos lineales mixtos en R, y para compartir como referencia para principiantes / intermedios aficionados a la estadística, decidí publicar como un "estilo de preguntas y respuestas" independiente los pasos involucrados en el cálculo "manual" del coeficientes y valores predichos de una regresión lineal …

22 r  regression  linear-model  lm 

Tengo una gráfica de valores residuales de un modelo lineal en función de los valores ajustados donde la heterocedasticidad es muy clara. Sin embargo, no estoy seguro de cómo proceder ahora porque, por lo que entiendo, esta heterocedasticidad invalida mi modelo lineal. (¿Está bien?) Use un ajuste lineal robusto usando …

19 r  generalized-linear-model  heteroscedasticity  lm 

Me gustaría hacer una prueba W de Shapiro Wilk y una prueba de Kolmogorov-Smirnov en los residuos de un modelo lineal para verificar la normalidad. Me preguntaba qué residuos deberían usarse para esto: los residuos en bruto, los residuos de Pearson, los residuos estudiados o los residuos estandarizados. Para una …

13 r  regression  residuals  normality-assumption  lm 

Antecedentes Estoy tratando de entender el primer ejemplo en un curso sobre modelos de adaptación (por lo que esto puede parecer ridículamente simple). He hecho los cálculos a mano y coinciden con el ejemplo, pero cuando los repito en R, los coeficientes del modelo están desactivados. Pensé que la diferencia …

13 r  regression  self-study  lm 

Estoy tratando de reproducir varias pruebas de interacción entre ambas lmy lmeren medidas repetidas (2x2x2). La razón por la que quiero comparar ambos métodos es porque el GLM de SPSS para medidas repetidas produce exactamente los mismos resultados que el lmenfoque presentado aquí, por lo que al final quiero comparar …

10 anova  mixed-model  lme4-nlme  repeated-measures  lm 

¿Me puede dar un ejemplo del uso de estimadores sandwich para realizar una inferencia de regresión robusta? Puedo ver el ejemplo en ?sandwich, pero no entiendo cómo podemos pasar de lm(a ~ b, data)( codificado con r ) a una estimación y un valor p resultante de un modelo de …

10 r  regression  lm  sandwich 

Simplemente estoy tratando de recalcular con dnorm () la probabilidad de registro proporcionada por la función logLik de un modelo lm (en R). Funciona (casi perfectamente) para un gran número de datos (por ejemplo, n = 1000): > n <- 1000 > x <- 1:n > set.seed(1) > y <- …

10 r  generalized-linear-model  likelihood  lm 

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 

Un colega mío me envió este problema aparentemente haciendo las rondas en Internet: If $3 = 18, 4 = 32, 5 = 50, 6 = 72, 7 = 98$, Then, $10 =$ ? La respuesta parece ser 200. 3*6 4*8 5*10 6*12 7*14 8*16 9*18 10*20=200 Cuando hago una regresión …

9 r  regression  lm 

Los siguientes injertos se toman de este artículo . Soy novato en bootstrap e intento implementar el bootstrapping paramétrico, semiparamétrico y no paramétrico para el modelo mixto lineal con R bootpaquete. Código R Aquí está mi Rcódigo: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography