Preguntas etiquetadas con regression

No estoy seguro de cómo interpretar esta regresión probit que ejecuté en Stata. Los datos están en la aprobación del préstamo y el blanco es una variable ficticia que = 1 si una persona era blanca y = 0 si la persona no lo era. Cualquier ayuda sobre cómo leer …

13 regression  multiple-regression  stata 

Una de las motivaciones para la red elástica fue la siguiente limitación de LASSO: En el caso , el lazo selecciona como máximo n variables antes de saturarse, debido a la naturaleza del problema de optimización convexa. Esto parece ser una característica limitante para un método de selección variable. Además, …

13 regression  optimization  feature-selection  lasso 

Tengo los porcentajes de rango de los estudiantes en 38 exámenes como la variable dependiente en mi estudio. Un porcentaje de rango se calcula por (rango / número de estudiantes en un examen). Esta variable dependiente tiene una distribución casi uniforme y quiero estimar los efectos de algunas variables en …

13 regression  distributions 

Supongamos .Xβ=YXβ=YX\beta =Y No sabemos exactamente, sólo su correlación con cada predictor, .X t YYYYXtYXtYX^\mathrm{t}Y La solución de mínimos cuadrados ordinarios (OLS) es y no hay ningún problema.β=(XtX)−1XtYβ=(XtX)−1XtY\beta=(X^\mathrm{t} X)^{-1} X^\mathrm{t}Y Pero supongamos que es casi singular (multicolinealidad), y necesita estimar el parámetro óptimo de cresta. Todos los métodos parece necesitar …

13 regression  multicollinearity 

Me preguntaba cómo generaría datos a partir de una ecuación de regresión de Poisson en R? Estoy un poco confundido sobre cómo abordar el problema. Entonces, si supongo que tenemos dos predictores y X 2 que se distribuyen N ( 0 , 1 ) . Y la intersección es 0 …

13 r  regression  poisson-distribution  simulation 

En la mayoría de los ejemplos que he visto hasta ahora de las redes neuronales, la red se usa para la clasificación y los nodos se transforman con una función sigmoidea. Sin embargo, me gustaría usar una red neuronal para generar un valor real continuo (de manera realista, la salida …

13 regression  neural-networks 

Solo estoy tratando de entender cuál es la relación entre una regresión múltiple / simple normal versus una regresión simple / múltiple cuando las variables se diferencian. Por ejemplo, estoy analizando la relación entre el saldo de depósitos ( ) y las tasas de mercado ( R T ) Si …

13 regression  time-series 

Supongamos que tengo dos conjuntos de datos con n observaciones de pares de datos de variable independiente xy variable dependiente y cada uno. Supongamos, además, que deseo generar una distribución de pendientes de regresión para cada conjunto de datos mediante el arranque de las observaciones (con reemplazo) N veces y …

13 regression  statistical-significance  bootstrap 

¿Cuál es la diferencia entre endogeneidad y heterogeneidad no observada? Sé que la endogeneidad proviene, por ejemplo, de las variables omitidas? Pero hasta donde yo entiendo, la heterogeneidad no observada causa el mismo problema. Pero, ¿dónde está exactamente la diferencia entre estas dos nociones?

13 regression  assumptions 

Estaba asesorando a un estudiante de investigación con un problema particular, y estaba ansioso por obtener la opinión de otros en este sitio. Contexto: El investigador tenía tres tipos de variables predictoras. Cada tipo contenía un número diferente de variables predictoras. Cada predictor era una variable continua: Social: S1, S2, …

13 regression  predictor  importance 

Tengo una pregunta conceptual sobre "estadísticas básicas". Como estudiante, me gustaría saber si estoy pensando en esto totalmente mal y por qué, si es así: Digamos que estoy tratando hipotéticamente de ver la relación entre "problemas de manejo de la ira" y decir divorcio (sí / no) en una regresión …

13 regression  logistic 

Estoy viendo un modelo de regresión que está retrocediendo los rendimientos del índice bursátil año tras año en los retornos rezagados (12 meses) del mismo índice bursátil, diferencia de crédito (diferencia entre la media mensual de bonos sin riesgo y los bonos corporativos rendimientos), tasa de inflación interanual e índice …

13 regression  time-series  autocorrelation 

Estoy buscando métodos que puedan usarse para estimar el modelo de error de medición "OLS". x i = X i + e x , i Y i = α + β X iyi=Yi+ey,iyi=Yi+ey,iy_{i}=Y_{i}+e_{y,i} xi=Xi+ex,ixi=Xi+ex,ix_{i}=X_{i}+e_{x,i} Yi=α+βXiYi=α+βXiY_{i}=\alpha + \beta X_{i} Donde los errores son normales e independientes con variaciones desconocidas y . …

13 regression  estimation  errors-in-variables 

Me gustaría obtener los coeficientes para el problema LASSO ||Y−Xβ||+λ||β||1.||Y−Xβ||+λ||β||1.||Y-X\beta||+\lambda ||\beta||_1. El problema es que las funciones glmnet y lars dan respuestas diferentes. Para la función glmnet pido los coeficientes de en lugar de solo λ , pero aún obtengo respuestas diferentes.λ/||Y||λ/||Y||\lambda/||Y||λλ\lambda ¿Se espera esto? ¿Cuál es la relación entre …

13 r  machine-learning  regression  lasso  regularization 

¿Cuáles son los pros y los contras de usar LARS [1] versus usar el descenso coordinado para ajustar la regresión lineal regularizada por L1? Estoy principalmente interesado en los aspectos de rendimiento (mis problemas tienden a tener Ncientos de miles y p<20). Sin embargo, cualquier otra información también sería apreciada. …

13 regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction