Preguntas etiquetadas con r

Mi situación: pequeño tamaño de muestra: 116 variable de resultado binaria larga lista de variables explicativas: 44 las variables explicativas no vinieron de la parte superior de mi cabeza; su elección se basó en la literatura. La mayoría de los casos en la muestra y la mayoría de las variables …

10 r  spss  lasso  data-imputation 

Tengo algunas experiencias con el modelado de series de tiempo, en forma de modelos ARIMA simples, etc. Ahora tengo algunos datos que exhiben agrupamiento de volatilidad, y me gustaría intentar comenzar ajustando un modelo GARCH (1,1) en los datos. Tengo una serie de datos y una serie de variables que …

10 r  regression  garch 

La fórmula que uno debe especificar para entrenar un modelo multinivel (usando lmerdesde la lme4 Rbiblioteca) siempre me da. He leído innumerables libros de texto y tutoriales, pero nunca lo he entendido correctamente. Así que aquí hay un ejemplo de este tutorial que me gustaría ver formulado en una ecuación. …

10 r  multilevel-analysis  lme4-nlme 

He escuchado un poco sobre el uso de redes neuronales para pronosticar series temporales. ¿Cómo puedo comparar qué método para pronosticar mi serie temporal (datos minoristas diarios) es mejor: auto.arima (x), ets (x) o nnetar (x). Puedo comparar auto.arima con ets por AIC o BIC. ¿Pero cómo puedo compararlos con …

10 r  neural-networks  forecasting  arima  exponential-smoothing 

Supongamos que tengo respuestas bivariadas con correlación significativa. Estoy tratando de comparar las dos formas de modelar estos resultados. Una forma es modelar la diferencia entre los dos resultados: Otra forma es usarlos o modelarlos: (yi2−yi1=β0+X′β)(yi2−yi1=β0+X′β)(y_{i2}-y_{i1}=\beta_0+X'\beta)glsgee(yij=β0+time+X′β)(yij=β0+time+X′β)(y_{ij}=\beta_0+\text{time}+X'\beta) Aquí hay un ejemplo de foo: #create foo data frame require(mvtnorm) require(reshape) set.seed(123456) sigma …

10 r  regression  model-selection 

Soy nuevo en el análisis de supervivencia y recientemente aprendí que hay diferentes maneras de hacerlo dado un determinado objetivo. Estoy interesado en la implementación real y la adecuación de estos métodos. Se me presentaron los modelos tradicionales de riesgo proporcional de Cox , tiempo de falla acelerado y redes …

10 r  machine-learning  survival  neural-networks  cox-model 

¿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 

Soy de una formación en economía y, por lo general, en la disciplina, las estadísticas resumidas de las variables se presentan en una tabla. Sin embargo, deseo trazarlos. Podría modificar un diagrama de caja para permitir que muestre la media, la desviación estándar, el mínimo y el máximo, pero no …

10 r  data-visualization  boxplot 

Para formular mejor mi pregunta, he proporcionado algunos de los resultados de un modelo de 16 variables ( fit) y un modelo de 17 variables ( fit2) a continuación (todas las variables predictoras en estos modelos son continuas, donde la única diferencia entre estos modelos es que fitno contiene la …

10 r  regression  logistic  model-selection  large-data 

Tengo una ecuación integral de la forma de donde F n es la cdf empírica y g es una función. Tengo un mapeo de contracción y por eso estoy tratando de resolver la ecuación integral utilizando la secuencia del teorema del punto fijo de Banach.T1(x)=∫x0g(T1(y)) dF^n(y)T1(x)=∫0xg(T1(y)) dF^n(y) T_1(x) = \int_0^x …

10 r  numerical-integration 

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 

Siempre me han enseñado que los efectos aleatorios solo influyen en la varianza (error), y que los efectos fijos solo influyen en la media. Pero he encontrado un ejemplo en el que los efectos aleatorios también influyen en la media: la estimación del coeficiente: require(nlme) set.seed(128) n <- 100 k …

10 r  mixed-model  random-effects-model 

Estoy trabajando con un análisis espacial exploratorio en R usando el paquete spdep. Encontré una opción para ajustar los valores p de los indicadores locales de asociación espacial (LISA) calculados usando la localmoranfunción. Según los documentos, está dirigido a: ... ajuste del valor de probabilidad para múltiples pruebas. Además en …

10 r  multiple-comparisons  bonferroni 

Por un simple ejemplo, suponga que hay dos modelos de regresión lineal Modelo 1 tiene tres predictores, x1a, x2b, yx2c El modelo 2 tiene tres predictores del modelo 1 y dos predictores adicionales x2ayx2b Hay una ecuación de regresión poblacional donde la varianza poblacional explicada es para el Modelo 1 …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc 

Estoy trabajando en un conjunto de datos. Después de usar algunas técnicas de identificación de modelos, obtuve un modelo ARIMA (0,2,1). Utilicé la detectIOfunción en el paquete TSAen R para detectar un valor atípico innovador (IO) en la observación número 48 de mi conjunto de datos original. ¿Cómo incorporo este …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models