Preguntas etiquetadas con residuals

Cuando llevo a cabo la regresión lineal múltiple de OLS, en lugar de graficar los residuos contra valores ajustados, grafo los residuales Studentizados (internos) contra valores ajustados (lo mismo para las covariables). Estos residuos se definen como: e∗i=eis2(1−hii)−−−−−−−−−√ei∗=eis2(1−hii)\begin{equation} e^*_i = \frac{e_i}{\sqrt{s^2 (1-h_{ii})}} \end{equation} donde es el residuo y son los …

10 regression  residuals  diagnostic 

Supongamos que tenemos un modelo Yi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiYi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiY_i = \beta_0 + \beta_1X_{i1} + \beta_2X_{i2} + \dots + \beta_kX_{ik} + \epsilon_i . La regresión tiene una serie de supuestos, como que los errores ϵiϵi\epsilon_i deberían distribuirse normalmente con media cero y varianza constante. Me han enseñado para comprobar estos supuestos utilizando una parcela …

10 regression  residuals  error 

Me he topado con el término inlier en la medida LOF (Factor de valor atípico local), estoy familiarizado con el término de valores atípicos (bueno, básicamente mentirosos, instancias que no se comportan como el resto de las instancias). ¿Qué significa 'Inliers' en el contexto de la detección de anomalías? y …

10 residuals  outliers  anomaly-detection 

¿Son "residuales studentizados" y "residuales estandarizados" iguales en los modelos de regresión? Construí un modelo de regresión lineal en R y quería trazar la gráfica de los valores ajustados de los residuos Studentizados v / s, pero no encontré una forma automatizada de hacerlo en R. Supongamos que tengo un …

10 r  regression  residuals  terminology 

En primer lugar: por lo que entendí, los residuos de arranque funcionan de la siguiente manera: Ajustar modelo a datos Calcular los residuos Vuelva a muestrear los residuos y agréguelos a 1. Ajustar modelo al nuevo conjunto de datos de 3. Repita los ntiempos, pero siempre agregue los residuos muestreados …

10 time-series  matlab  bootstrap  residuals 

Esto es bastante difícil de describir para mí, pero intentaré que mi problema sea comprensible. Primero, debes saber que hasta ahora he hecho una regresión lineal muy simple. Antes de calcular el coeficiente, observé la distribución de mi . Es pesado dejado sesgado. Después de estimar el modelo, estaba bastante …

10 regression  residuals  skewness 

Con la regresión OLS aplicada a la respuesta continua, se puede construir la ecuación de regresión múltiple ejecutando secuencialmente regresiones de los residuos en cada covariable. Mi pregunta es, ¿hay alguna manera de hacer esto con la regresión logística a través de los residuos de regresión logística ? Es decir, …

9 regression  logistic  residuals 

Me gustaría clasificar los puntos de datos como que necesitan un modelo más complejo o que no necesitan un modelo más complejo. Mi pensamiento actual es ajustar todos los datos a un modelo lineal simple y observar el tamaño de los residuos para hacer esta clasificación. Luego leí un poco …

9 regression  multiple-regression  residuals  bias-variance-tradeoff 

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 

Tengo estos datos: set.seed(1) predictor <- rnorm(20) set.seed(1) counts <- c(sample(1:1000, 20)) df <- data.frame(counts, predictor) Corrí una regresión de Poisson poisson_counts <- glm(counts ~ predictor, data = df, family = "poisson") Y una regresión binomial negativa: require(MASS) nb_counts <- glm.nb(counts ~ predictor, data = df) Luego calculé las estadísticas …

9 generalized-linear-model  residuals  negative-binomial  poisson-regression  dispersion 

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 

Tengo un conjunto de datos con dos variables nominales categóricas (ambas con 5 categorías). Me gustaría saber si (y cómo) puedo identificar posibles correlaciones entre las categorías de estas dos variables. En otras palabras, si, por ejemplo, los resultados de la categoría en la variable 1 muestran una fuerte correlación …

9 correlation  residuals  contingency-tables  categorical-data 

Estoy usando PROC GLM en SAS para ajustar una ecuación de regresión de la siguiente forma Y=b0+b1X1+b2X2+b3X3+b4tY=b0+b1X1+b2X2+b3X3+b4t Y = b_0 + b_1X_1 + b_2X_2 + b_3X_3 + b_4t La gráfica QQ de los redsiduales resultantes indica una desviación de la normalidad. Cualquier transformación de no es útil para normalizar los …

9 regression  multiple-regression  nonparametric  residuals  sas 

De acuerdo con el Análisis de regresión por ejemplo , el residuo es la diferencia entre la respuesta y el valor pronosticado, luego se dice que cada residuo tiene una varianza diferente, por lo que debemos considerar los residuos estandarizados. Pero la varianza es para un grupo de valores, ¿cómo …

9 regression  residuals 

En R, ¿por qué la configuración predeterminada de qqplot(linear model)uso de los residuos estandarizados en el eje y? ¿Por qué R no usa los residuos "regulares"?

9 r  regression  linear-model  residuals  qq-plot