Preguntas etiquetadas con regression

Antecedentes Estoy tratando de entender el primer ejemplo en un curso sobre modelos de adaptación (por lo que esto puede parecer ridículamente simple). He hecho los cálculos a mano y coinciden con el ejemplo, pero cuando los repito en R, los coeficientes del modelo están desactivados. Pensé que la diferencia …

13 r  regression  self-study  lm 

Estoy tratando de encontrar información sobre los supuestos de la regresión PLS ( simple ). Estoy especialmente interesado en una comparación de los supuestos de PLS con respecto a los de la regresión de OLS. yyy He leído / hojeado una gran cantidad de literatura sobre el tema de PLS; …

13 regression  assumptions  partial-least-squares 

Entiendo el concepto de escalar la matriz de datos para usar en un modelo de regresión lineal. Por ejemplo, en R podrías usar: scaled.data <- scale(data, scale=TRUE) Mi única pregunta es, para nuevas observaciones para las que quiero predecir los valores de salida, ¿cómo se escalan correctamente? ¿Sería scaled.new <- …

13 r  regression  prediction  scales 

El error estándar de la expresión de intercepción ( β 0 ) en y = β 1 x + β 0 + ε está dada por S E ( β 0 ) 2 = σ 2 [ 1β^0β^0\hat{\beta}_0y=β1x+β0+εy=β1x+β0+εy=\beta_1x+\beta_0+\varepsilon dondeˉxes la media de lasxi's.SE(β^0)2=σ2[1n+x¯2∑ni=1(xi−x¯)2]SE(β^0)2=σ2[1n+x¯2∑i=1n(xi−x¯)2]SE(\hat{\beta}_0)^2 = \sigma^2\left[\frac{1}{n}+\frac{\bar{x}^2}{\sum_{i=1}^n(x_i-\bar{x})^2}\right]x¯x¯\bar{x}xixix_i Por lo que entiendo, la …

13 regression  interpretation  standard-error 

Para el modelo lineal , podemos tener una buena interpretación geométrica del modelo estimado mediante MCO: y = x β + e . Y es la proyección de y sobre el espacio abarcado por x y residual ey=xβ+ey=xβ+ey=x\beta+ey^=xβ^+e^y^=xβ^+e^\hat{y}=x\hat{\beta}+\hat{e}y^y^\hat{y}e^e^\hat{e} es perpendicular a este espacio atravesado por x. Ahora, mi pregunta es: …

13 regression  model  geometry 

¿Cuándo es preferible utilizar la Estimación de máxima verosimilitud en lugar de los mínimos cuadrados ordinarios? ¿Cuáles son las fortalezas y limitaciones de cada uno? Estoy tratando de reunir conocimientos prácticos sobre dónde usar cada uno en situaciones comunes.

13 regression  maximum-likelihood  least-squares 

He ejecutado una regresión múltiple en la que el modelo en su conjunto es significativo y explica aproximadamente el 13% de la varianza. Sin embargo, necesito encontrar la cantidad de varianza explicada por cada predictor significativo. ¿Cómo puedo hacer esto usando R? Aquí hay algunos datos de muestra y código: …

13 r  regression  variance 

En regresión lineal, , ¿por qué X se llama matriz de diseño? ¿Se puede diseñar o construir X arbitrariamente hasta cierto punto como en el arte?Y=XβY=XβY= X\betaXXXXXX

13 regression  terminology 

Tengo un conjunto de valores xxx e que están teóricamente relacionados exponencialmente:yyy y=axby=axsiy = ax^b Una forma de obtener los coeficientes es aplicando logaritmos naturales en ambos lados y ajustando un modelo lineal: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Otra forma de obtener esto …

13 r  regression  linear-model  model-selection  nonlinear-regression 

Supongamos que tengo una división 80/20 entre las observaciones de modelado / validación. He ajustado un modelo al conjunto de datos de modelado y me siento cómodo con el error que veo en el conjunto de datos de validación. Antes de implementar mi modelo para puntuar futuras observaciones, ¿es apropiado …

13 regression  predictive-models  validation 

¿Tiene sentido estandarizar una variable dependiente dentro del grupo de identificación? El siguiente documento de trabajo (Desaceleración de la deforestación en la Amazonía legal; ¿Precios o políticas ?, pdf ) utiliza una variable dependiente estandarizada para analizar el efecto del cambio de política general en Brasil sobre la deforestación. La …

13 regression  time-series  panel-data  standardization  fixed-effects-model 

Estoy haciendo una regresión usando Random Forests para predecir precios basados ​​en varios atributos. El código está escrito en Python usando Scikit-learn. ¿Cómo decide si debe transformar sus variables usando exp/ logantes de usarlo para ajustar el modelo de regresión? ¿Es necesario cuando se utiliza un enfoque de conjunto como …

13 regression  machine-learning  predictive-models  python  random-forest 

Si en las regresiones estándar de OLS se violan dos supuestos (distribución normal de errores, homocedasticidad), ¿son los errores estándar de arranque y los intervalos de confianza una alternativa apropiada para llegar a resultados significativos con respecto a la importancia de los coeficientes regresores? ¿Las pruebas de significación con errores …

13 regression  bootstrap  least-squares  heteroscedasticity 

Pregunta bastante básica: ¿Qué significa una distribución normal de residuos de una regresión lineal? En términos de, ¿cómo se refleja esto en mis datos originales de la regresión? Estoy totalmente perplejo, gracias chicos

13 regression  residuals 

Mis predicciones provenientes de un modelo de regresión logística (glm en R) no están delimitadas entre 0 y 1 como esperaba. Comprendo la regresión logística es que los parámetros de entrada y modelo se combinan linealmente y la respuesta se transforma en una probabilidad utilizando la función de enlace logit. …

13 r  regression  logistic  generalized-linear-model