Preguntas etiquetadas con multiple-regression

Con respecto al valor p del análisis de regresión lineal múltiple, a continuación se muestra la introducción del sitio web de Minitab . El valor p para cada término prueba la hipótesis nula de que el coeficiente es igual a cero (sin efecto). Un valor p bajo (<0.05) indica que …

12 multiple-regression  p-value 

Mientras leía un libro de texto sobre regresión me encontré con el siguiente párrafo: La estimación de mínimos cuadrados de un vector de coeficientes de regresión lineal ( ) esββ\beta β^= ( XtX)- 1Xtyβ^=(XtX)−1Xty \hat{\beta} = (X^{t}X)^{-1}{X^t}y que, cuando se ve como una función de los datos (considerando los predictores …

12 multiple-regression 

Estoy tratando de estimar una regresión lineal múltiple en R con una ecuación como esta: regr <- lm(rate ~ constant + askings + questions + 0) las preguntas y preguntas son series temporales de datos trimestrales, construidas con askings <- ts(...). El problema ahora es que obtuve residuos autocorrelacionados. Sé …

11 r  time-series  multiple-regression  autocorrelation  residuals 

Cerrada . Esta pregunta necesita detalles o claridad . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Agregue detalles y aclare el problema editando esta publicación . Cerrado hace 2 años . Estoy trabajando en una tarea donde mi profesor quisiera que creáramos un verdadero modelo de regresión, simulemos …

11 self-study  multiple-regression  estimation  linear-model 

Tengo un conjunto de datos que contiene 365 observaciones de tres variables pm, a saber , tempy rain. Ahora quiero verificar el comportamiento de pmen respuesta a los cambios en otras dos variables. Mis variables son: pm10 = Respuesta (dependiente) temp = predictor (independiente) rain = predictor (independiente) La siguiente …

11 correlation  multiple-regression  multicollinearity  regression-strategies 

Nuestro profesor no está entrando en las matemáticas o incluso en la representación geométrica de la regresión lineal múltiple y esto me tiene un poco confundido. Por un lado, todavía se llama regresión lineal múltiple , incluso en dimensiones más altas. Por otro lado, si tenemos, por ejemplo, y podemos …

11 multiple-regression  high-dimensional 

Intentando calcular el recuento de visitas a partir de la demografía y el servicio. Los datos están muy sesgados. Histogramas: parcelas qq (a la izquierda está el registro): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) cityy serviceson variables factoriales. Obtengo un valor p bajo *** para todas las variables, pero también …

11 regression  multiple-regression  predictive-models  exponential  qq-plot 

Quiero detectar si la colinealidad es un problema en mi regresión OLS. Entiendo que los factores de inflación de varianza y el índice de condición son dos medidas comúnmente utilizadas, pero me resulta difícil encontrar algo definitivo sobre los méritos de cada enfoque, o cuáles deberían ser los puntajes. Sería …

11 multiple-regression  references  least-squares  multicollinearity  vif 

Debo confesar que anteriormente no había oído hablar de ese término en ninguna de mis clases, licenciatura o posgrado. ¿Qué significa que una regresión logística sea bayesiana? Estoy buscando una explicación con una transición de logística regular a logística bayesiana similar a la siguiente: Esta es la ecuación en el …

11 regression  logistic  bayesian  multiple-regression  generalized-linear-model 

Por técnicas de regularización me refiero a lazo, regresión de cresta, red elástica y similares. Considere un modelo predictivo sobre datos de atención médica que contenga datos demográficos y de diagnóstico en los que se pronostique la duración de la estadía para hospitalización. Para algunos individuos hay múltiples observaciones LOS …

11 multiple-regression  random-effects-model  regularization 

Me gustaría corregir manualmente un cierto coeficiente, digamos , luego ajustar los coeficientes a todos los demás predictores, mientras en el modelo.β 1 = 1.0β1=1.0β1=1.0\beta_1=1.0β1=1.0β1=1.0\beta_1=1.0 ¿Cómo puedo lograr esto usando R? En particular, me gustaría trabajar con LASSO ( glmnet) si es posible. Alternativamente, ¿cómo puedo restringir este coeficiente a …

11 r  multiple-regression  lasso  glmnet  constrained-regression 

Soy consciente de la prueba Ramsey Reset que puede detectar dependencias no lineales. Sin embargo, si solo arroja uno de los coeficientes de regresión (meramente dependencias lineales), puede obtener un sesgo, dependiendo de las correlaciones. Obviamente, esto no es detectado por la prueba de reinicio. No encontré una prueba para …

11 regression  multiple-regression  bias  causality  diagnostic 

Cuando analizo mis variables en dos modelos de regresión logística separados (univariados), obtengo lo siguiente: Predictor 1: B= 1.049, SE=.352, Exp(B)=2.85, 95% CI=(1.43, 5.69), p=.003 Constant: B=-0.434, SE=.217, Exp(B)=0.65, p=.046 Predictor 2: B= 1.379, SE=.386, Exp(B)=3.97, 95% CI=(1.86, 8.47), p<.001 Constant: B=-0.447, SE=.205, Exp(B)=0.64, p=.029 pero cuando los ingreso en …

11 logistic  statistical-significance  multiple-regression 

Estoy ejecutando un modelo OLS con una variable de índice de activo continuo como DV. Mis datos se agregan de tres comunidades similares en estrecha proximidad geográfica entre sí. A pesar de esto, pensé que era importante usar la comunidad como una variable de control. Resulta que la comunidad es …

11 regression  categorical-data  stata  multiple-regression  aggregation 

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