Preguntas etiquetadas con r-squared

Hasta donde yo entiendo, explica qué tan bien el modelo predice la observación. R 2 ajustado es el que tiene en cuenta más observaciones (o grados de libertad). Entonces, ¿ R 2 ajustado predice mejor el modelo? Entonces, ¿por qué es esto menor que R 2?R2R2R^2R2R2R^2R2R2R^2R2R2R^2 ? Parece que a …

15 regression  r-squared 

Tengo en mente las fórmulas R-cuadrado ajustadas propuestas por: Ezekiel (1930), que creo que es el que se usa actualmente en SPSS. R2adjusted=1−(N−1)(N−p−1)(1−R2)Radjusted2=1−(N−1)(N−p−1)(1−R2)R^2_{\rm adjusted} = 1 - \frac{(N-1)}{(N-p-1)} (1-R^2) Olkin y Pratt (1958) R2unbiased=1−(N−3)(1−R2)(N−p−1)−2(N−3)(1−R2)2(N−p−1)(N−p+1)Runbiased2=1−(N−3)(1−R2)(N−p−1)−2(N−3)(1−R2)2(N−p−1)(N−p+1)R^2_{\rm unbiased} = 1 - \frac{(N-3)(1-R^2)}{(N-p-1)} - \frac{2(N-3)(1-R^2)^2}{(N-p-1)(N-p+1)} ¿En qué circunstancias (si existe) debería preferir 'ajustado' a …

15 regression  r-squared 

¿Cómo calcular la estadística R-cuadrado ( ) en R para y / o salida de función? Por ejemplo para estos datos:r2r2r^2loesspredict cars.lo <- loess(dist ~ speed, cars) cars.lp <- predict(cars.lo, data.frame(speed = seq(5, 30, 1)), se = TRUE) cars.lptiene dos matrices fitpara modelo y se.fitpara error estándar.

15 r  r-squared  loess 

¿Comparar características usando F-regressionlo mismo que correlacionar características con la etiqueta individualmente y observando el valor ?R2R2R^2 A menudo he visto a mis colegas usar una F regressionselección de funciones para su canal de aprendizaje automático de sklearn: sklearn.feature_selection.SelectKBest(score_func=sklearn.feature_selection.f_regression...)` Algunos, por favor, díganme: ¿por qué da los mismos resultados que …

15 feature-selection  python  scikit-learn  r-squared  f-test 

Entiendo que significa que el modelo es malo para predecir puntos de datos individuales, pero ha establecido una tendencia firme (por ejemplo, y sube cuando x sube).

14 regression  inference  r-squared  linear 

Nota: = Suma de cuadrados totales, = Suma de errores al cuadrado, y = Suma de cuadrados de la regresión. La ecuación en el título a menudo se escribe como:SSTSSTSSTSSESSESSESSRSSRSSR ∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2\sum_{i=1}^n (y_i-\bar y)^2=\sum_{i=1}^n (y_i-\hat y_i)^2+\sum_{i=1}^n (\hat y_i-\bar y)^2 Pregunta bastante directa, pero estoy buscando una explicación intuitiva. Intuitivamente, me parece …

14 regression  least-squares  r-squared 

En psicología y otros campos, a menudo se emplea una forma de regresión gradual que implica lo siguiente: Observe los predictores restantes (al principio no hay ninguno en el modelo) e identifique el predictor que resulta en el mayor cambio de r-cuadrado; Si el valor p del cambio de r-cuadrado …

14 regression  model-selection  bias  r-squared  stepwise-regression 

Estoy interesado en obtener una estimación imparcial de R2R2R^2 en una regresión lineal múltiple. Al reflexionar, puedo pensar en dos valores diferentes que una estimación imparcial de R2R2R^2 podría estar tratando de igualar. Fuera de la muestra :R2R2R^2 el r-cuadrado que se obtendría si la ecuación de regresión obtenida de …

14 estimation  multiple-regression  r-squared  bias 

En la regresión lineal, a menudo obtenemos múltiples R y R al cuadrado. Cuáles son las diferencias entre ellos?

14 regression  r-squared 

Frecuentemente solía diagnosticar mis datos multivariados usando PCA (datos ómnicos con cientos de miles de variables y docenas o cientos de muestras). Los datos a menudo provienen de experimentos con varias variables categóricas independientes que definen algunos grupos, y a menudo tengo que pasar por algunos componentes antes de poder …

13 pca  linear-model  r-squared  discriminant-analysis 

Aquí está mi contexto para esta pregunta: por lo que puedo decir, no podemos ejecutar una regresión de mínimos cuadrados ordinarios en R cuando usamos datos ponderados y el surveypaquete. Aquí, tenemos que usar svyglm(), que en su lugar ejecuta un modelo lineal generalizado (¿qué puede ser lo mismo? Estoy …

13 r  generalized-linear-model  least-squares  r-squared  deviance 

¡Los gráficos a continuación son gráficos de dispersión residual de una prueba de regresión para la cual ya se han cumplido los supuestos de "normalidad", "homocedasticidad" e "independencia"! Para probar el supuesto de "linealidad" , aunque, al observar los gráficos, se puede adivinar que la relación es curvilínea, pero la …

13 multiple-regression  linear-model  assumptions  r-squared 

Busqué en Google y busqué en stats.stackexchange pero no puedo encontrar la fórmula para calcular un intervalo de confianza del 95% para un valor para una regresión lineal. ¿Alguien puede proporcionarlo?R2R2R^2 Aún mejor, digamos que había corrido la regresión lineal a continuación en R. ¿Cómo calcularía un intervalo de confianza …

13 r  regression  confidence-interval  inference  r-squared 

He estado leyendo sobre el cálculo valores de en modelos mixtos y después de leer las preguntas frecuentes de R-sig, otras publicaciones en este foro (vincularía algunas pero no tengo suficiente reputación) y varias otras referencias entiendo que usando valores en el contexto de modelos mixtos son complicados.R 2R2R2R^2R2R2R^2 Sin …

13 r  mixed-model  r-squared  lme4-nlme 

Tengo curiosidad acerca de la declaración hecha en la parte inferior de la primera página de este texto con respecto al ajusteR2adjustedRadjusted2R^2_\mathrm{adjusted} R2adjusted=1−(1−R2)(n−1n−m−1).Radjusted2=1−(1−R2)(n−1n−m−1).R^2_\mathrm{adjusted} =1-(1-R^2)\left({\frac{n-1}{n-m-1}}\right). El texto dice: La lógica del ajuste es la siguiente: en la regresión múltiple ordinaria, un predictor aleatorio explica en promedio una proporción 1/(n–1)1/(n–1)1/(n – 1) …

12 regression  expected-value  goodness-of-fit  r-squared