Preguntas etiquetadas con regression

Tengo datos de densidad de peces que estoy tratando de comparar entre varias técnicas de recolección diferentes, los datos tienen muchos ceros y el histograma parece vaugley apropiado para una distribución de Poisson, excepto que, como densidades, no son datos enteros. Soy relativamente nuevo en GLM y pasé los últimos …

17 regression  distributions  generalized-linear-model  link-function 

Digamos que tengo algunos datos, y luego ajusto los datos con un modelo (una regresión no lineal). Luego calculo el R cuadrado ( ).R2R2R^2 Cuando R cuadrado es negativo, ¿qué significa eso? ¿Eso significa que mi modelo es malo? Sé que el rango de puede ser [-1,1]. Cuando R 2 …

17 regression  goodness-of-fit  r-squared  curve-fitting 

Un grupo de personas responde una pregunta. La respuesta puede ser "sí" o "no". El investigador quiere saber si la edad está asociada con el tipo de respuesta. La asociación se evaluó mediante una regresión logística donde la edad es la variable explicativa y el tipo de respuesta (sí, no) …

17 regression  logistic  t-test 

Hace unos días, un psicólogo-investigador mío me contó sobre su método para seleccionar variables al modelo de regresión lineal. Supongo que no es bueno, pero necesito pedirle a alguien más que se asegure. El metodo es: Observe la matriz de correlación entre todas las variables (incluida la variable dependiente Y) …

17 regression  correlation  model-selection 

No estoy acostumbrado a usar variables en el formato de fecha en R. Solo me pregunto si es posible agregar una variable de fecha como una variable explicativa en un modelo de regresión lineal. Si es posible, ¿cómo podemos interpretar el coeficiente? ¿Es el efecto de un día en la …

17 r  regression  time-series 

¿Alguien sabe de un buen artículo de revisión para la literatura estadística sobre regresión no lineal? Estoy principalmente interesado en resultados de consistencia y asintóticos. De particular interés es el modelo yyo t= m ( xyo t, θ ) + ϵyo t,yyot=metro(Xyot,θ)+ϵyot,y_{it} = m(x_{it},\theta) + \epsilon_{it}, para datos del panel. …

17 regression  references  nonlinear-regression 

¿Qué es el modelo nulo en regresión y cuál es la relación entre el modelo nulo y la hipótesis nula? Para mi entender, ¿significa ¿Usando el "promedio de la variable de respuesta" para predecir la variable de respuesta continua? ¿Usando la "distribución de etiquetas" en la predicción de variables de …

16 regression  hypothesis-testing  classification  terminology  model 

Considere un problema de regresión OLS estándar : Tengo matrices y \ X y quiero encontrar \ B para minimizar L = \ | \ Y- \ X \ B \ | ^ 2. La solución viene dada por \ hat \ B = \ argmin_ \ B \ {L …

16 regression  least-squares  ridge-regression 

Cuando se explica la regresión de LASSO, a menudo se usa el diagrama de un diamante y un círculo. Se dice que debido a que la forma de la restricción en LASSO es un diamante, la solución de mínimos cuadrados obtenida podría tocar la esquina del diamante de modo que …

16 regression  lasso  ridge-regression 

Estoy usando regresión lineal múltiple para describir las relaciones entre Y y X1, X2. Desde la teoría, entendí que la regresión múltiple supone relaciones lineales entre Y y cada una de X (Y y X1, Y y X2). No estoy usando ninguna transformación de X. Entonces, obtuve el modelo con …

16 regression  multiple-regression  python  linear 

Sé que los Residuos de Pearson estandarizados se obtienen de una manera probabilística tradicional: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} y los residuos de desviación se obtienen de una manera más estadística (la contribución de cada punto a la probabilidad): di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} donde …

16 regression  logistic  generalized-linear-model  residuals  deviance 

La regresión de cresta estima los parámetros ββ\boldsymbol \beta en un modelo lineal by dondeß λ = ( X ⊤ X + λ I ) - 1 X ⊤ y , λy=Xβy=Xβ\mathbf y = \mathbf X \boldsymbol \betaβ^λ=(X⊤X+λI)−1X⊤y,β^λ=(X⊤X+λI)−1X⊤y,\hat{\boldsymbol \beta}_\lambda = (\mathbf X^\top \mathbf X + \lambda \mathbf I)^{-1} \mathbf X^\top …

16 regression  ridge-regression  shrinkage 

En los últimos meses, he leído intensamente sobre la regresión cuantil en preparación para mi tesis de maestría este verano. Específicamente, he leído la mayor parte del libro de 2005 de Roger Koenker sobre el tema. Ahora quiero expandir este conocimiento existente a técnicas de regresión cuantil que permitan variables …

16 regression  references  econometrics  instrumental-variables  quantile-regression 

Tengo datos para una red de estaciones meteorológicas en los Estados Unidos. Esto me da un marco de datos que contiene fecha, latitud, longitud y algunos valores medidos. Suponga que los datos se recopilan una vez al día y son impulsados ​​por el clima a escala regional (no, no vamos …

16 r  regression  data-visualization  pca  spatial 

No estoy seguro si normalizar es la palabra correcta para usar aquí, pero haré todo lo posible para ilustrar lo que estoy tratando de preguntar. El estimador utilizado aquí es de mínimos cuadrados. Supongamos que tiene , puede centrarlo alrededor de la media por donde y x_1' = x- \ …

16 regression  self-study  least-squares  regression-coefficients