Preguntas etiquetadas con regression

Tengo entendido que incluso la regresión no da causalidad. Solo puede dar asociación entre la variable y y las variables x y posiblemente una dirección. ¿Estoy en lo correcto? A menudo he encontrado frases similares a "x predice y" incluso en la mayoría de los libros de texto del curso …

9 regression  logistic  predictive-models  terminology  causality 

En el análisis de regresión multivariante, parece que las personas usan diferentes definiciones de odds ratios ajustados. ¿Podría aclararme qué es un OR ajustado y cómo difiere de un OR no ajustado ? ¡Gracias!

9 regression  multivariate-analysis  odds-ratio 

Un instructor en mi universidad planteó una pregunta como esta (no para la tarea ya que la clase terminó y yo no estaba en ella). No puedo entender cómo abordarlo. La pregunta se refiere a 2 bolsas que contienen una variedad de diferentes tipos de frutas: La primera bolsa contiene …

9 regression  estimation 

Hace años encontré esta identidad a través de la experimentación jugando con datos y transformaciones. Después de explicárselo a mi profesor de estadística, llegó a la siguiente clase con una prueba de una página usando notación vectorial y matricial. Lamentablemente perdí el papel que me dio. (Esto fue en 2007) …

9 regression  r-squared 

En el método de mínimos cuadrados queremos estimar los parámetros desconocidos en el modelo: Yj=α+βxj+εj(j=1...n)Yj=α+βxj+εj(j=1...n)Y_j = \alpha + \beta x_j + \varepsilon_j \enspace (j=1...n) Una vez que hayamos hecho eso (para algunos valores observados), obtenemos la línea de regresión ajustada: Yj= α^+ β^x + ej( J = 1 , . …

9 regression  least-squares  residuals  heteroscedasticity  assumptions 

Considere un modelo lineal yyo= α + βXyo+ ϵyoyyo=α+βXyo+ϵyoy_i= \alpha + \beta x_i + \epsilon_i y estimaciones de la pendiente y la intersección α y ß utilizando mínimos cuadrados ordinarios. Esta referencia durante la estadística matemática hace la declaración de que α y β son independientes (en su prueba de …

9 regression 

En regresión lineal, he encontrado un resultado encantador que si encajamos en el modelo E[Y]=β1X1+β2X2+c,mi[Y]=β1X1+β2X2+C,E[Y] = \beta_1 X_1 + \beta_2 X_2 + c, entonces, si estandarizamos y centramos los datos , X 1 y X 2 ,YYYX1X1X_1X2X2X_2 R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R^2 = \mathrm{Cor}(Y,X_1) \beta_1 + \mathrm{Cor}(Y, X_2) \beta_2. Esto me parece una versión …

9 regression  linear-model  r-squared  proof 

Quiero ejecutar una regresión con 4 a 5 variables explicativas, pero solo tengo 15 observaciones. No pudiendo asumir que estas variables están normalmente distribuidas, ¿existe algún método de regresión no paramétrico o de otro tipo válido?

9 regression  small-sample 

Soy un recién llegado al análisis de supervivencia, aunque tengo algunos conocimientos en clasificación y regresión. Para la regresión, tenemos estadísticas de MSE y R cuadrado. Pero, ¿cómo podemos decir que el modelo de supervivencia A es superior al modelo de supervivencia B además de algún tipo de gráficos (curva …

9 regression  survival  goodness-of-fit  cart  rpart 

¿Cuál es la importancia de la matriz del sombrero, , en el análisis de regresión?H=X(X′X)−1X′H=X(X′X)−1X′H=X(X^{\prime}X )^{-1}X^{\prime} ¿Es solo para un cálculo más fácil?

9 regression  multiple-regression  least-squares 

Estoy buscando el algoritmo de regresión lineal que sea más adecuado para datos cuya variable independiente (x) tiene un error de medición constante y la variable dependiente (y) tiene un error dependiente de la señal. La imagen de arriba ilustra mi pregunta.

9 regression  linear-model  measurement-error  measurement 

Quiero incluir el término su cuadrado (variables predictoras) en una regresión porque supongo que los valores bajos de tienen un efecto positivo en la variable dependiente y los valores altos tienen un efecto negativo. La debería capturar el efecto de los valores más altos. Por lo tanto, espero que el …

9 regression  multiple-regression  polynomial  centering 

Cuando (es decir, Y proviene del modelo de regresión lineal), ε ∼ N ( 0 , σ 2 I )Y= A X+ εY=AX+εY = AX + \varepsilonYYY Y en ese caso los residuos e 1 , ... , e n están correlacionados y no independientes. Pero cuando hacemos diagnósticos de …

9 regression  residuals  non-independent 

Quiero ajustar un DLM con coeficientes variables en el tiempo, es decir, una extensión de la regresión lineal habitual, yt= θ1+ θ2X2yt=θ1+θ2x2y_t = \theta_1 + \theta_2x_2 . Tengo un predictor ( ) y una variable de respuesta ( ), capturas anuales de peces marinos y continentales, respectivamente, de 1950 a …

9 r  regression  time-series  dlm  dynamic-regression 

Estoy tratando de entender cómo podría modelar mejor una variable donde con el tiempo obtuve predictores cada vez más detallados. Por ejemplo, considere modelar las tasas de recuperación de los préstamos en mora. Supongamos que tenemos un conjunto de datos con 20 años de datos, y en los primeros 15 …

9 regression  missing-data