Ich versuche, ein Vorhersagemodell für eine winkelabhängige Variable (auf zu entwickeln, indem ich mehrere unabhängige Messungen - auch Winkelvariablen auf - als Prädiktoren verwende. Jeder Prädiktor ist signifikant, aber nicht extrem stark mit der abhängigen Variablen korreliert. Wie kann ich die...
Wenn (dh stammt aus dem linearen Regressionsmodell), ist und in diesem Fall Residuen sind korreliert und nicht unabhängig. Wenn wir jedoch eine Regressionsdiagnose durchführen und die Annahme testen möchten, schlägt jedes Lehrbuch vor, Q-Q-Diagramme und statistische Tests für Residuen Diese...
Zuur 2013 Anfängerleitfaden zu GLM & GLMM schlägt vor, eine Poisson-Regression zu validieren, indem Pearsons-Residuen gegen angepasste Werte aufgetragen werden. Zuur sagt, wir sollten nicht sehen, wie sich die Residuen mit zunehmenden angepassten Werten ausbreiten, wie bei einem beigefügten...
Ich habe diese Daten: set.seed(1) predictor <- rnorm(20) set.seed(1) counts <- c(sample(1:1000, 20)) df <- data.frame(counts, predictor) Ich habe eine Poisson-Regression durchgeführt poisson_counts <- glm(counts ~ predictor, data = df, family = "poisson") Und eine negative...
Ich möchte den Term und sein Quadrat (Prädiktorvariablen) in eine Regression einbeziehen, da ich davon ausgehe, dass niedrige Werte von einen positiven Effekt auf die abhängige Variable und hohe Werte einen negativen Effekt haben. Das sollte den Effekt der höheren Werte erfassen. Ich erwarte daher,...
Ich suche nach einem linearen Regressionsalgorithmus, der am besten für Daten geeignet ist, deren unabhängige Variable (x) einen konstanten Messfehler aufweist und deren abhängige Variable (y) einen signalabhängigen Fehler aufweist. Das obige Bild zeigt meine
Ich arbeite an einer Kreuzvalidierung der Vorhersage meiner Daten mit 200 Probanden und 1000 Variablen. Ich bin an einer Ridge-Regression interessiert, da die Anzahl der Variablen (die ich verwenden möchte) größer ist als die Anzahl der Stichproben. Ich möchte also Schrumpfungsschätzer verwenden....
Ich bin daran interessiert, ein angepasstes Risikoverhältnis zu schätzen, analog dazu, wie man ein angepasstes Quotenverhältnis unter Verwendung der logistischen Regression schätzt. Einige Literaturstellen (z. B. diese ) weisen darauf hin, dass die Verwendung der Poisson-Regression mit...
Welche Bedeutung hat die Hutmatrix für die Regressionsanalyse?H=X(X′X)−1X′H=X(X′X)−1X′H=X(X^{\prime}X )^{-1}X^{\prime} Ist es nur zur einfacheren
Angenommen, Sie möchten ein lineares Modell schätzen: ( Beobachtungen der Antwort und Prädiktoren) nnnp+1p+1p+1E ( yich) = β0+ ∑j = 1pβjxi jE.(yich)=β0+∑j=1pβjxichj\mathbb{E}(y_i) = \beta_0 + \sum_{j=1}^p \beta_j x_{ij} Eine Möglichkeit, dies zu tun, ist die OLS-Lösung, dh wählen Sie die...
Ich möchte Inzidenzraten berechnen, die entlang der Gefährdungsquoten dargestellt werden, um sowohl relative als auch absolute Risikomessgrößen darzustellen. Ich habe in anderen Studien gesehen, dass solche Inzidenzraten unter Verwendung von Poisson-Modellen mit Nachbeobachtungszeit im Modell als...
Ich möchte eine Regression mit 4 bis 5 erklärenden Variablen durchführen, habe aber nur 15 Beobachtungen. Wenn nicht angenommen werden kann, dass diese Variablen normal verteilt sind, gibt es eine nicht parametrische oder eine andere gültige
Ich bin ein Neuling in der Überlebensanalyse, obwohl ich einige Kenntnisse in Klassifikation und Regression habe. Für die Regression haben wir MSE- und R-Quadrat-Statistiken. Aber wie können wir sagen, dass das Überlebensmodell A neben einigen grafischen Darstellungen (KM-Kurve) dem...
Betrachten Sie ein lineares Modell yich= α + βxich+ ϵichyi=α+βxi+ϵiy_i= \alpha + \beta x_i + \epsilon_i und Schätzwerte für die Steigung und den Achsenabschnitt α und β unter Verwendung von gewöhnlichen kleinsten Quadraten. Diese Referenz für eine mathematische Statistik macht die Aussage , dass...
Bei der linearen Regression bin ich auf ein erfreuliches Ergebnis gestoßen, wenn wir zum Modell passen E[Y]=β1X1+β2X2+c,E[Y]=β1X1+β2X2+c,E[Y] = \beta_1 X_1 + \beta_2 X_2 + c, Wenn wir dann die Daten , und standardisieren und
Bei der Methode der kleinsten Quadrate möchten wir die unbekannten Parameter im Modell schätzen: Y.j= α + βxj+ εj( j = 1 ... n )Y.j=α+βxj+εj(j=1 ...n)Y_j = \alpha + \beta x_j + \varepsilon_j \enspace (j=1...n) Sobald wir dies getan haben (für einige beobachtete Werte), erhalten wir die...
Vor Jahren fand ich diese Identität durch Experimente mit Daten und Transformationen. Nachdem er es meinem Statistikprofessor erklärt hatte, kam er mit einem einseitigen Proof in Vektor- und Matrixnotation in die nächste Klasse. Leider habe ich das Papier verloren, das er mir gegeben hat. (Dies war...
In der multivariaten Regressionsanalyse scheinen die Menschen unterschiedliche Definitionen der angepassten Quotenverhältnisse zu verwenden. Könnten Sie mir bitte klarstellen, was ein angepasster OP ist und wie er sich von einem nicht angepassten OP unterscheidet ? Vielen
Ein Lehrer an meiner Universität stellte eine solche Frage (nicht für Hausaufgaben, da der Unterricht beendet ist und ich nicht dabei war). Ich kann nicht herausfinden, wie ich es angehen soll. Die Frage betrifft 2 Beutel mit jeweils verschiedenen Obstsorten: Der erste Beutel enthält die folgenden...
Mein Verständnis ist, dass selbst Regression keine Kausalität gibt. Es kann nur eine Assoziation zwischen y-Variablen und x-Variablen und möglicherweise eine Richtung geben. Hab ich recht? Ich habe oft Sätze gefunden, die "x sagt y voraus" ähneln, selbst in den meisten Lehrbüchern und auf...