Preguntas etiquetadas con multiple-regression

Si ajusto mis datos con algo como lm(y~a*b), en la sintaxis R, donde aes una variable binaria y bes una variable numérica, entonces el a:btérmino de interacción es la diferencia entre la pendiente de y~bat a= 0 y at a= 1. Ahora, digamos que la relación entre yy bes curvilínea. …

10 r  multiple-regression  splines 

Tengo muchos problemas con un conjunto de datos al que estoy tratando de aplicar SEM. Suponemos la existencia de 5 factores latentes A, B, C, D, E, con indicadores resp. A1 a A5 (factores ordenados), B1 a B3 (cuantitativo), C1, D1, E1 (los tres últimos factores ordenados, con solo 2 …

10 r  modeling  multiple-regression  sem 

Actualmente estoy tomando mi primera clase de regresión lineal aplicada a nivel de posgrado, y estoy luchando con las transformaciones de las variables predictoras en la regresión lineal múltiple. El texto que estoy usando, Kutner et al "Modelos estadísticos lineales aplicados" no parece cubrir la pregunta que tengo. (además de …

10 data-transformation  multiple-regression 

Supongamos que estoy interesado en un modelo de regresión lineal, para , porque me gustaría ver si una interacción entre las dos covariables tiene un efecto en Y.Yi=β0+β1x1+β2x2+β3x1x2Yi=β0+β1x1+β2x2+β3x1x2Y_i = \beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_1x_2 En las notas de un curso para profesores (con quienes no tengo contacto), dice: …

10 regression  multiple-regression  interaction  linear-model 

Esta es más una pregunta conceptual, pero a medida que utilizo Rme referiré a los paquetes en R. Si el objetivo es ajustar un modelo lineal para fines de predicción, y luego hacer predicciones donde los efectos aleatorios podrían no estar disponibles, ¿hay algún beneficio en usar un modelo de …

10 r  multiple-regression  mixed-model  lme4-nlme 

Actualmente estoy trabajando en un proyecto para hacer pronósticos de datos de series temporales (datos mensuales). Estoy usando R para hacer el pronóstico. Tengo 1 variable dependiente (y) y 3 variables independientes (x1, x2, x3). La variable y tiene 73 observaciones, al igual que las otras 3 variables (alos 73). …

10 time-series  multiple-regression  forecasting  lags 

Una pregunta muy básica sobre el de las regresiones OLSR2R2R^2 ejecutar la regresión OLS y ~ x1, tenemos un , digamos 0.3R2R2R^2 ejecutar la regresión OLS y ~ x2, tenemos otro , digamos 0.4R2R2R^2 ahora ejecutamos una regresión y ~ x1 + x2, ¿qué valor puede ser la R al …

10 regression  multiple-regression  least-squares  r-squared 

Tengo un modelo de regresión logística binaria con un DV (enfermedad: sí / no) y 5 predictores (demografía [edad, sexo, tabaquismo (sí / no)], un índice médico (ordinal) y un tratamiento aleatorio [sí / no ]). También he modelado todos los términos de interacción de dos lados. Las principales variables …

10 regression  logistic  multiple-regression  bootstrap 

Supongamos que hay tres series de tiempo, , eX1X1X_1X2X2X_2YYY Ejecución de regresión lineal ordinaria en ~ ( ), obtenemos . La regresión lineal ordinaria ~ llegar . Suponga queYYYX1X1X_1Y=bX1+b0+ϵY=bX1+b0+ϵY = b X_1 + b_0 + \epsilonR2=UR2=UR^2 = UYYYX2X2X_2R2=VR2=VR^2 = VU&lt;VU&lt;VU < V ¿Cuáles son los valores mínimos y máximos posibles …

10 regression  multiple-regression  r-squared 

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 

En una ecuación de regresión múltiple lineal, si los pesos beta reflejan la contribución de cada variable independiente individual más allá de la contribución de todos los otros IV, ¿dónde en la ecuación de regresión es la varianza compartida por todos los IV que predice el DV? Por ejemplo, si …

10 multiple-regression  sums-of-squares 

Hay algunas explicaciones que puedo encontrar que describen cómo interpretar los coeficientes de regresión lineal después de diferenciar una serie de tiempo (para eliminar una raíz unitaria). ¿Es tan simple que no hay necesidad de decirlo formalmente? (Soy consciente de esta pregunta , pero no estaba seguro de cuán general …

10 time-series  multiple-regression  econometrics  linear-model  inference 

¿Es "no ajustado" básicamente una simple regresión lineal mientras que "ajustado" es una regresión múltiple? Por ejemplo, mirando el efecto de x en y ajustando para otras variables como a, byc versus no ajustando para ellas.

10 regression  multiple-regression 

Me gustaría clasificar los puntos de datos como que necesitan un modelo más complejo o que no necesitan un modelo más complejo. Mi pensamiento actual es ajustar todos los datos a un modelo lineal simple y observar el tamaño de los residuos para hacer esta clasificación. Luego leí un poco …

9 regression  multiple-regression  residuals  bias-variance-tradeoff 

Ejemplos: Tengo una oración en la descripción del trabajo: "Ingeniero senior de Java en el Reino Unido". Quiero usar un modelo de aprendizaje profundo para predecirlo en 2 categorías: English y IT jobs. Si uso el modelo de clasificación tradicional, solo puede predecir 1 etiqueta con softmaxfunción en la última …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty