Ich habe eine logistische Regression mit dem IRLS-Algorithmus programmiert . Ich möchte eine LASSO-Bestrafung anwenden , um automatisch die richtigen Funktionen auszuwählen. Bei jeder Iteration wird Folgendes gelöst: (XTWX)δβ^=XT(y−p)(XTWX)δβ^=XT(y−p)\mathbf{\left(X^TWX\right)...
Ich habe ein logistisches Regressionsmodell entwickelt, das auf retrospektiven Daten aus einer nationalen Traumadatenbank für Kopfverletzungen in Großbritannien basiert. Das Hauptergebnis ist die 30-Tage-Mortalität (als "Überlebensmaß" bezeichnet). Andere Maßnahmen mit veröffentlichten Hinweisen...
Ich dachte, dass die kanonische Verknüpfungsfunktion aus dem natürlichen Parameter der Exponentialfamilie stammt. Angenommen, betrachten Sie die Familie then ist die kanonische Verknüpfungsfunktion. Nehmen wir als Beispiel die Bernoulli-Verteilung , wir haben Die kanonische...
Ich habe gelesen, dass eine Ridge-Regression durch einfaches Hinzufügen von Datenzeilen zur ursprünglichen Datenmatrix erzielt werden kann, wobei jede Zeile unter Verwendung von 0 für die abhängigen Variablen und der Quadratwurzel von kkk oder Null für die unabhängigen Variablen erstellt wird. Für...
Ich bin auf eine Reihe praktischer Fragen gestoßen, wenn ich Zähldaten aus experimenteller Forschung mithilfe eines subjektinternen Experiments modelliere. Ich beschreibe kurz das Experiment, die Daten und das, was ich bisher gemacht habe, gefolgt von meinen Fragen. Einer Stichprobe von Befragten...
Ich überarbeite ein Papier zur Bestäubung, in dem die Daten binomial verteilt sind (Obst reift oder nicht). Also habe ich glmermit einem zufälligen Effekt (einzelne Pflanze) und einem festen Effekt (Behandlung) gearbeitet. Ein Gutachter möchte wissen, ob die Pflanze einen Einfluss auf den...
Soweit ich das beurteilen kann, ist krummlinig vage definiert, bedeutet aber dasselbe wie nichtlinear . Ist das korrekt? Oder hat krummlinig eine eindeutige
Hier ist ein kleines Beispiel: MyDf<-data.frame(x=c(1,2,3,4), y=c(1.2, .7, -.5, -3)) Jetzt mit dem base::lm: > lm(y~x, data=MyDf) %>% summary Call: lm(formula = y ~ x, data = MyDf) Residuals: 1 2 3 4 -0.47 0.41 0.59 -0.53 Coefficients: Estimate Std. Error t value Pr(>|t|)...
Wie kann ich Modelle mit unterschiedlichen Verknüpfungsfunktionen vergleichen, wenn dieselben Kovariaten und Verteilungsfamilien verwendet werden? Ich denke, die richtige Antwort hier ist "AIC / BIC", aber ich bin nicht 100% sicher. Ist es möglich, verschachtelte Modelle zu haben, wenn sie einen...
Um die modellgemittelten Vorhersagen auf der Antwortskala eines GLM zu berechnen, welche ist "korrekt" und warum? Berechnen Sie die modellgemittelte Vorhersage auf der Verbindungsskala und transformieren Sie sie anschließend auf die Antwortskala zurück Transformieren Sie die Vorhersagen in die...
Ich habe einen Datensatz erhalten, der die Anzahl der Auszeichnungen enthält, die von Schülern einer High School erhalten wurden. Zu den Prädiktoren für die Anzahl der Auszeichnungen gehören die Art des Programms, in dem der Schüler eingeschrieben war, und die Punktzahl für die Abschlussprüfung in...
Welche Bedeutung hat die Unterscheidung zwischen linearen und nichtlinearen Modellen? Die Frage Nichtlineares vs. verallgemeinertes lineares Modell: Wie verweisen Sie auf logistische, Poisson usw. Regression? und ihre Antwort war eine äußerst hilfreiche Klärung der Linearität / Nichtlinearität...
Was erklärt die Unterschiede in p-Werten im Folgenden aovund lmruft auf? Liegt der Unterschied nur an unterschiedlichen Arten von Quadratsummenberechnungen? set.seed(10) data=rnorm(12) f1=rep(c(1,2),6) f2=c(rep(1,6),rep(2,6)) summary(aov(data~f1*f2))
Ich führe ein verallgemeinertes lineares Modell durch, bei dem ich eine andere als die normale Familie angeben muss. Wie ist die erwartete Verteilung der Residuen? Sollen die Residuen beispielsweise normal verteilt
Bei Verwendung natürlicher (dh eingeschränkter) kubischer Splines sind die erzeugten Basisfunktionen hochgradig kollinear, und bei Verwendung in einer Regression scheinen sich sehr hohe VIF-Statistiken (Varianzinflationsfaktor) zu ergeben, die Multikollinearität signalisieren. Wenn man den Fall...
Hintergrund: Ich versuche, Princetons Überprüfung der MLE-Schätzung für GLM zu folgen . Verstehe ich die Grundlagen der MLE Schätzung: likelihood, score, beobachteten und erwarteten Fisher informationund die Fisher scoringTechnik. Und ich weiß, wie man eine einfache lineare Regression mit einer...
In diesem Artikel werden verallgemeinerte lineare Modelle (sowohl binomiale als auch negative binomiale Fehlerverteilungen) zur Analyse von Daten verwendet. Aber dann gibt es im statistischen Analyseteil der Methoden diese Aussage: ... und zweitens durch Modellierung der Anwesenheitsdaten mithilfe...
Aus meinen Ergebnissen geht hervor, dass GLM Gamma die meisten Annahmen erfüllt, aber ist es eine lohnende Verbesserung gegenüber dem logarithmisch transformierten LM? Die meiste Literatur, die ich gefunden habe, befasst sich mit Poisson- oder Binomial-GLMs. Ich fand den Artikel EVALUIERUNG VON...
Für ein lineares Gauß-Modell Y=μ+σGY=μ+σGY=\mu+\sigma G bei dem angenommen wird, dass μμ\mu in einem Vektorraum WWW und GGG die Standardnormalverteilung auf RnRn\mathbb{R}^n , ist die Statistik des FFF Tests für H0:{μ∈U}H0:{μ∈U}H_0\colon\{\mu \in U\} wobei U⊂WU⊂WU \subset W ist ein Vektorraum, eine...
Ich habe einen sehr großen Datensatz und es fehlen ungefähr 5% zufällige Werte. Diese Variablen sind miteinander korreliert. Der folgende Beispiel-R-Datensatz ist nur ein Spielzeugbeispiel mit Dummy-korrelierten Daten. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000,...