Preguntas etiquetadas con regression

Cuando calculo un modelo de diferencia en diferencias con dos períodos de tiempo, el modelo de regresión equivalente sería a. Yist=α+γs∗Treatment+λdt+δ∗(Treatment∗dt)+ϵistYist=α+γs∗Treatment+λdt+δ∗(Treatment∗dt)+ϵistY_{ist} = \alpha +\gamma_s*Treatment + \lambda d_t + \delta*(Treatment*d_t)+ \epsilon_{ist} donde el es un maniquí que es igual a 1 si la observación es del grupo de tratamientoTreatmentTreatmentTreatment y es …

20 regression  modeling  econometrics  panel-data  difference-in-difference 

Comienzo con mi regresión OLS: donde D es una variable ficticia, las estimaciones se vuelven diferentes de cero con un valor p bajo. Luego realizo una prueba Ramsey RESET y descubro que tengo alguna especificación incorrecta de la ecuación, por lo tanto, incluyo x al cuadrado: y = β 0 …

20 regression  multiple-regression  interpretation  least-squares  polynomial 

Recientemente analicé un experimento que manipuló 2 variables categóricas y una variable continua usando ANCOVA. Sin embargo, un revisor sugirió que la regresión múltiple con la variable categórica codificada como variables ficticias es una prueba más apropiada para experimentos con variables categóricas y continuas. ¿Cuándo es apropiado usar ANCOVA versus …

20 regression  multiple-regression  ancova  categorical-encoding 

Supongamos que quiero construir un modelo para predecir algún tipo de razón o porcentaje. Por ejemplo, digamos que quiero predecir el número de niños frente a niñas que asistirán a una fiesta, y las características de la fiesta que puedo usar en el modelo son cosas como la cantidad de …

20 regression  logistic 

¿Estoy en lo cierto al entender que el orden en que se especifican las variables en un ANOVA multifactorial hace la diferencia, pero que el orden no importa al hacer una regresión lineal múltiple? Asumiendo un resultado como la pérdida de sangre medida y y dos variables categóricas método de …

20 regression  hypothesis-testing  anova  unbalanced-classes  sums-of-squares 

En una serie de paquetes estadísticos que incluyen SAS, SPSS y quizás más, existe una opción para "suprimir la intercepción". ¿Por qué querrías hacer eso?

20 regression 

Angrist y Pischke han sugerido que los errores estándar robustos (es decir, robustos a la heterocedasticidad o las variaciones desiguales) se informan como una cuestión de rutina en lugar de probarlos. Dos preguntas: ¿Cuál es el impacto en los errores estándar de hacerlo cuando hay homocedasticidad? ¿Alguien realmente hace esto …

20 regression  standard-error  heteroscedasticity  robust-standard-error 

Soy nuevo en optimización. Sigo viendo ecuaciones que tienen un superíndice 2 y un subíndice 2 en el lado derecho de una norma. Por ejemplo, aquí está la ecuación de mínimos cuadrados min ||Ax−b||22||Ax−b||22 ||Ax-b||^2_2 Creo que entiendo el superíndice 2: significa cuadrar el valor de la norma. Pero, ¿cuál …

20 regression  optimization  notation 

Estoy luchando por comprender la derivación del error de predicción esperado a continuación (ESL), especialmente en la derivación de 2.11 y 2.12 (condicionamiento, el paso hacia el mínimo puntual). Cualquier puntero o enlace muy apreciado. A continuación estoy informando el extracto de ESL pág. 18. Las dos primeras ecuaciones son, …

20 regression  prediction  error 

He estado pensando, implementando y utilizando el paradigma Extreme Learning Machine (ELM) durante más de un año, y cuanto más lo hago, más dudo de que sea realmente algo bueno. Sin embargo, mi opinión parece estar en contraste con la comunidad científica donde, cuando se usan citas y nuevas publicaciones …

20 regression 

La regularización en regresión (lineal, logística ...) es la forma más popular de reducir el sobreajuste. Cuando el objetivo es la precisión de la predicción (no explicar), ¿hay alguna buena alternativa a la regularización, especialmente adecuada para grandes conjuntos de datos (mi / billones de observaciones y millones de características)?

19 regression  regularization  overfitting 

Estoy tratando de ajustar un modelo utilizando datos de viento (0, 359) y hora del día (0, 23), pero me preocupa que encajen mal en una regresión lineal porque no son parámetros lineales. Me gustaría transformarlos usando Python. He visto alguna mención al cálculo de una media vectorial tomando el …

19 regression  python  circular-statistics 

A continuación se muestra la gráfica de glmnet con alfa predeterminado (1, por lo tanto, lazo) utilizando mtcarsdatos establecidos en R con mpgDV y otros como variables predictoras. glmnet(as.matrix(mtcars[-1]), mtcars[,1]) ¿Qué podemos concluir de este gráfico con respecto a las diferentes variables, especialmente am, cyly wt(líneas roja, negra y azul …

19 regression  feature-selection  lasso  glmnet 

Estoy comprobando una implementación de Regresión logística desde aquí . Después de leer ese artículo, parece que la parte importante es encontrar los mejores coeficientes para determinar la función sigmoidea. Así que me pregunto por qué este método se llama "Regresión logística". ¿Está relacionado con la función logarítmica? Tal vez …

19 regression  machine-learning  logistic 

Recuerdo haber leído en algún lugar de la web una conexión entre la regresión de cresta (con regularización) y la regresión de PCA: mientras usaba regresión con hiperparámetro , si , entonces la regresión es equivalente a eliminar el Variable de PC con el valor propio más pequeño.ℓ 2 λ …

19 regression  pca  regularization  ridge-regression