Preguntas etiquetadas con regression

Este enlace de wikipedia enumera una serie de técnicas para detectar la heterocedasticidad residual de OLS. Me gustaría saber qué técnica práctica es más eficiente en la detección de regiones afectadas por la heterocedasticidad. Por ejemplo, aquí la región central en la trama 'Residuals vs Fitted' de OLS tiene una …

16 regression  least-squares  heteroscedasticity 

Esto es algo que veo hecho como una especie de método ad-hoc y me parece muy sospechoso, pero tal vez me estoy perdiendo algo. He visto esto en regresión múltiple, pero seamos simples: yyo= β0 0+ β1Xyo+ εyoyyo=β0 0+β1Xyo+εyo y_{i} = \beta_{0} + \beta_{1} x_{i} + \varepsilon_{i} Ahora tome los …

16 regression  residuals 

¿Podría alguien decirme qué significa el término 'persistencia' en el análisis de series de tiempo? Se trata de econometría y regresión aplicada.

16 regression  time-series  econometrics  terminology 

En general, estandarizo mis variables independientes en regresiones, para comparar adecuadamente los coeficientes (de esta manera tienen las mismas unidades: desviaciones estándar). Sin embargo, con datos de panel / longitudinales, no estoy seguro de cómo debería estandarizar mis datos, especialmente si calculo un modelo jerárquico. Para ver por qué puede …

16 r  regression  standardization 

¿Cómo debo definir una fórmula modelo en R, cuando una (o más) restricciones lineales exactas que vinculan los coeficientes está disponible? Como ejemplo, digamos que usted sabe que b1 = 2 * b0 en un modelo de regresión lineal simple. ¡Gracias!

16 r  regression  modeling 

Dado que el modelado de regresión es a menudo más "arte" que ciencia, a menudo me encuentro probando muchas iteraciones de una estructura de regresión. ¿Cuáles son algunas formas eficientes de resumir la información de estas ejecuciones de modelos múltiples en un intento por encontrar el "mejor" modelo? Un enfoque …

16 r  regression 

En la regresión logística, ¿es necesario preocuparse tanto por la multicolinealidad como lo estaría en una regresión OLS directa? Por ejemplo, con una regresión logística, donde existe multicolinealidad, ¿tendría que ser cauteloso (como lo haría en la regresión OLS) con la inferencia de los coeficientes Beta? Para la regresión OLS, …

16 regression  logistic  multicollinearity 

Estoy tratando de leer sobre la investigación en el área de regresión de alta dimensión; cuando ppp es mayor que nnn , es decir, p>>np>>np >> n . Parece que el término logp/nlog⁡p/n\log p/n aparece a menudo en términos de tasa de convergencia para estimadores de regresión. Por ejemplo, aquí …

16 regression  lasso  convergence  high-dimensional 

En la práctica, el uso de una prueba T estándar para verificar la importancia de un coeficiente de regresión lineal es una práctica común. La mecánica del cálculo tiene sentido para mí. ¿Por qué es que la distribución T puede usarse para modelar el estadístico de prueba estándar usado en …

16 regression  hypothesis-testing  linear-model  t-distribution 

Mi pregunta es: ¿Cuál es la relación matemática entre el distribución Beta y los coeficientes del modelo de regresión logística ? Para ilustrar: la función logística (sigmoidea) viene dada por f(x)=11+exp(−x)f(x)=11+exp⁡(−x)f(x) = \frac{1}{1+\exp(-x)} y se usa para modelar probabilidades en el modelo de regresión logística. Sea AAA un resultado dicotómico …

16 regression  logistic  mathematical-statistics  beta-distribution 

¿Hay alguna explicación intuitiva para esta terminología? ¿Por qué es así, y no los predictores regresan sobre el resultado? Idealmente, espero que una explicación adecuada de por qué existe esta terminología ayudará a los estudiantes a recordarla y les impedirá decirla al revés.

16 regression  terminology  teaching 

¿La regresión de rango reducido y la regresión de componentes principales son solo casos especiales de mínimos cuadrados parciales? Este tutorial (Página 6, "Comparación de objetivos") establece que cuando hacemos mínimos cuadrados parciales sin proyectar X o Y (es decir, "no parcial"), se convierte en regresión de rango reducido o …

16 regression  pca  dimensionality-reduction  partial-least-squares  reduced-rank-regression 

Encontré algunos pros del análisis discriminante y tengo preguntas sobre ellos. Entonces: Cuando las clases están bien separadas, las estimaciones de los parámetros para la regresión logística son sorprendentemente inestables. Los coeficientes pueden llegar al infinito. LDA no sufre de este problema. Si el número de características es pequeño y …

16 regression  logistic  multivariate-analysis  discriminant-analysis 

Si comenzamos con un conjunto de datos , le aplicamos Lasso y obtenemos una solución β L , podemos volver a aplicar Lasso al conjunto de datos ( X S , Y ) , donde S es el conjunto de valores distintos de cero. índices de β L , para …

16 regression  optimization  lasso  regularization  shrinkage 

Como se explica en este folleto del curso (página 1) , se puede escribir un modelo lineal en la forma: y=β1x1+⋯+βpxp+εi,y=β1x1+⋯+βpxp+εi, y = \beta_1 x_{1} + \cdots + \beta_p x_{p} + \varepsilon_i, donde es la variable de respuesta y es la variable explicativa .yyyxixix_{i}ithithi^{th} A menudo, con el objetivo de …

16 regression  generalized-linear-model  data-transformation  linear-model