Preguntas etiquetadas con regression

Al transformar variables, ¿tiene que usar la misma transformación? Por ejemplo, ¿puedo elegir y elegir variables transformadas de manera diferente, como en: Sea edad, la duración del empleo, la duración de la residencia y los ingresos.x1,x2,x3x1,x2,x3x_1,x_2,x_3 Y = B1*sqrt(x1) + B2*-1/(x2) + B3*log(x3) O, ¿debe ser coherente con sus transformaciones …

41 r  regression  logistic  data-transformation 

Tengo algunos problemas con la derivación de la solución para la regresión de crestas. Sé la solución de regresión sin el término de regularización: β=(XTX)−1XTy.β=(XTX)−1XTy.\beta = (X^TX)^{-1}X^Ty. Pero después de agregar el término L2 a la función de costo, ¿cómo es que la solución se convierte enλ∥β∥22λ‖β‖22\lambda\|\beta\|_2^2 β=(XTX+λI)−1XTy.β=(XTX+λI)−1XTy.\beta = (X^TX …

41 regression  least-squares  regularization  ridge-regression 

Admito que soy relativamente nuevo en los puntajes de propensión y el análisis causal. Una cosa que no es obvia para mí como recién llegado es cómo el "equilibrio" usando puntajes de propensión es matemáticamente diferente de lo que sucede cuando agregamos covariables en una regresión. ¿Qué tiene de diferente …

41 regression  multivariate-analysis  causality  propensity-scores 

¿Alguien sabe cómo resolver si los puntos 7, 16 y 29 son puntos influyentes o no? Leí en alguna parte que debido a que la distancia de Cook es inferior a 1, no lo son. Estoy bien?

40 r  regression  residuals  diagnostic  cooks-distance 

Sigo leyendo sobre instancias en las que centramos los datos (por ejemplo, con regularización o PCA) para eliminar la intercepción (como se menciona en esta pregunta ). Sé que es simple, pero me está costando entender esto intuitivamente. ¿Podría alguien proporcionarme la intuición o una referencia que pueda leer?

40 regression  pca  centering 

Tengo varias covariables en mi cálculo para un modelo, y no todas son estadísticamente significativas. ¿Debo eliminar los que no lo son? Esta pregunta discute el fenómeno, pero no responde a mi pregunta: ¿Cómo interpretar el efecto no significativo de una covariable en ANCOVA? Sin embargo, no hay nada en …

39 regression  statistical-significance  ancova  model  predictor 

La regresión de ángulo mínimo y el lazo tienden a producir rutas de regularización muy similares (idénticas excepto cuando un coeficiente cruza cero). Ambos pueden ajustarse eficientemente mediante algoritmos prácticamente idénticos. ¿Hay alguna razón práctica para preferir un método sobre el otro?

39 regression  lasso 

Mi pregunta es si necesitamos estandarizar el conjunto de datos para asegurarnos de que todas las variables tengan la misma escala, entre [0,1], antes de ajustar la regresión logística. La formula es: Xyo- min ( xyo)max ( xyo) - min ( xyo)Xyo-min(Xyo)max(Xyo)-min(Xyo)\frac{x_i-\min(x_i)}{\max(x_i)-\min(x_i)} Mi conjunto de datos tiene 2 variables, describen …

39 regression  logistic  standardization 

Si la regresión polinómica modela relaciones no lineales, ¿cómo puede considerarse un caso especial de regresión lineal múltiple? Wikipedia señala que "Aunque la regresión polinómica ajusta un modelo no lineal a los datos, como problema de estimación estadística es lineal, en el sentido de que la función de regresión es …

38 regression  multiple-regression  linear-model  nonlinear-regression  polynomial 

Estoy haciendo una regresión multivariada de Cox, tengo mis variables independientes significativas y valores beta. El modelo se ajusta muy bien a mis datos. Ahora, me gustaría usar mi modelo y predecir la supervivencia de una nueva observación. No tengo claro cómo hacer esto con un modelo de Cox. En …

38 regression  survival  prediction  cox-model 

He notado que en R, Poisson y las regresiones binomiales negativas (NB) siempre parecen ajustarse a los mismos coeficientes para predictores categóricos, pero no continuos. Por ejemplo, aquí hay una regresión con un predictor categórico: data(warpbreaks) library(MASS) rs1 = glm(breaks ~ tension, data=warpbreaks, family="poisson") rs2 = glm.nb(breaks ~ tension, data=warpbreaks) …

38 regression  negative-binomial  poisson-regression 

Estoy intentando ejecutar una regresión de OLS: DV: cambio de peso durante un año (peso inicial - peso final) IV: Si haces ejercicio o no. Sin embargo, parece razonable que las personas más pesadas pierdan más peso por unidad de ejercicio que las personas más delgadas. Por lo tanto, quería …

38 regression  repeated-measures  least-squares  change-scores 

Soy bastante nuevo en esto con las pruebas de datos binomiales, pero necesitaba hacer una y ahora no estoy seguro de cómo interpretar el resultado. La variable y, la variable de respuesta, es binomial y los factores explicativos son continuos. Esto es lo que obtuve al resumir el resultado: glm(formula …

38 r  regression  logistic  binomial  interpretation 

En regresión lineal simple, tenemos y=β0+β1x+uy=β0+β1x+uy = \beta_0 + \beta_1 x + u , donde u∼iidN(0,σ2)u∼iidN(0,σ2)u \sim iid\;\mathcal N(0,\sigma^2) . Derivé el estimador: β1^=∑i(xi−x¯)(yi−y¯)∑i(xi−x¯)2 ,β1^=∑i(xi−x¯)(yi−y¯)∑i(xi−x¯)2 , \hat{\beta_1} = \frac{\sum_i (x_i - \bar{x})(y_i - \bar{y})}{\sum_i (x_i - \bar{x})^2}\ , dondex¯x¯\bar{x} yy¯y¯\bar{y} son las medias muestrales dexxxeyyy. Ahora quiero encontrar la varianza …

38 regression  mathematical-statistics  variance  linear-model  regression-coefficients 

TL, DR: Parece que, al contrario de lo que se repite con frecuencia, la validación cruzada de dejar uno fuera (LOO-CV), es decir,plegar CV con(el número de pliegues) igual a N (el número de observaciones de entrenamiento): arroja estimaciones del error de generalización que son las menos variables para cualquier …

37 regression  machine-learning  variance  cross-validation  predictive-models