Ich möchte eine Regression durchführen, bei der der DV die Höhe der von Startups erhaltenen Mittel (in USD) ist. Natürlich enthält der DV viele Nullen (~ 55%) und hat eine kontinuierliche Verteilung für y> 0. Im Allgemeinen verstehe ich, dass das Tobit-Modell (oder eine Variation davon) für die...
Ich habe diese Seite auf Princeton.edu gelesen . Sie führen eine logistische Regression durch (mit R). Irgendwann berechnen sie die Wahrscheinlichkeit, eine Restabweichung zu erhalten, die höher ist als diejenige, die sie bei einer Verteilung mit Freiheitsgraden erhalten haben, die den...
Ich freue mich darauf, mehr über die regulierten Regressionstechniken wie Ridge- und Lasso-Regression zu erfahren. Ich würde gerne wissen, was mit diesen Techniken im Vergleich zum linearen Regressionsmodell erreicht werden kann. Auch in welcher Situation sollten wir diese Techniken anwenden. Und...
Nature veröffentlichte in diesem Jahr das folgende Papier: Hinweise auf eine Begrenzung der menschlichen Lebensdauer 1 , in denen die Autoren argumentieren , dass "die Ergebnisse stark darauf hindeuten, dass die maximale Lebensdauer des Menschen festgelegt ist und natürlichen Einschränkungen...
Neu im statistischen und maschinellen Lernen und in einigen Online-Kursen. Ich versuche, die logistische Regression genauer zu verstehen, und habe einen Unterschied in der Formel zwischen dem Andrew Ng-Kurs und dem statistischen Stanford-Lernkurs festgestellt. Unten poste ich ein Linkbild zu beiden...
Ich habe eine Frage zum Steigungskoeffizienten von OLS im Vergleich zu dem für die Quantilregression, wenn homoskedastische Fehlerterme auftreten. Das Bevölkerungsmodell könnte folgendermaßen aussehen: yich=β0+β1xich+uichyich=β0+β1xich+uichy_i = \beta_0 + \beta_{1}x_i + u_i wobei iid...
Angenommen, ich arbeite mit dem folgenden Modell yi=α(1−exp(−βti))+γ(1−exp(−δti))+εiyi=α(1−exp(−βti))+γ(1−exp(−δti))+εiy_i = \alpha(1-\exp(-\beta t_i))+\gamma(1-\exp(-\delta t_i)) + \varepsilon_i. Das εiεi\varepsilon_i sind iid Gauß mit dem Mittelwert Null und ich versuche, die besten...
Obwohl die Vorzüge der schrittweisen Modellauswahl bereits erörtert wurden, wird mir unklar, was genau " schrittweise Modellauswahl " oder " schrittweise Regression " ist. Ich dachte, ich hätte es verstanden, war mir aber nicht mehr so sicher. Nach meinem Verständnis sind diese beiden Begriffe...
Kann jemand eine intuitive Vorstellung davon geben, warum es besser ist, eine kleinere Beta zu haben? Für LASSO kann ich verstehen, dass es hier eine Feature-Auswahlkomponente gibt. Weniger Funktionen machen das Modell einfacher und daher weniger wahrscheinlich, dass es überpasst. Für den Grat...
Der Artikel zeigt für jeweils 100 Frauen, die eine bestimmte Verhütungsmethode anwenden, die Anzahl der ungeplanten Schwangerschaften im Zeitverlauf. https://www.nytimes.com/interactive/2014/09/14/sunday-review/unplanned-pregnancies.html?_r=0 Insbesondere am Ende des Artikels heißt es: Die Zahlen...
Belichtung und Versatz sind zwei Techniken, die häufig bei Poisson-Regressionen von Aktuaren verwendet werden, um die Häufigkeit von Ansprüchen vorherzusagen. Nach meinem Verständnis sind Offset und Belichtung dasselbe, daher verstehe ich nicht, warum es zwei Begriffe gibt, die dasselbe...
Angenommen, ich würde gerne auf die Effektgröße und Signifikanz zwischen Ergebnis Y und Variable X zugreifen, die durch den Confounder Z angepasst wurden . Meine Frage ist, ob es einen Unterschied gibt, um die Effektgröße und Signifikanz von X zwischen dem folgenden Szenario zu bestimmen . Setzen...
Ich habe Daten, bei denen das Ergebnis der Anteil einer Art ist, der in einem Gebiet von einer Maschine an zwei verschiedenen Tagen beobachtet wurde. Da das Ergebnis ein Anteil ist und nicht 0 oder 1 enthält, habe ich eine Beta-Regression verwendet, um das Modell anzupassen. Die Temperatur wird als...
In "A Practioner's Guide to Generalized Linear Models" in Absatz 1.83 heißt es: "Im speziellen Fall eines multiplikativen Poisson-GLM kann gezeigt werden, dass die Modellierungsanspruchszahlen mit einem Versatzterm gleich dem Logarithmus der Exposition zu identischen Ergebnissen führen wie die...
Quantile Regression (QR) soll manchmal unterschiedliche Beziehungen zwischen Variablen bei unterschiedlichen Quantilen der Verteilung aufzeigen. ZB Le Cook et al. "Über den Mittelwert hinaus denken: Ein praktischer Leitfaden für die Verwendung quantiler Regressionsmethoden für die Forschung im...
Ich verstehe einige der vielen Probleme der schrittweisen Regression. Als akademisches Unterfangen gehe ich jedoch davon aus, dass ich die schrittweise Regression für ein Vorhersagemodell verwenden und die möglichen Auswirkungen auf die Leistung besser verstehen möchte. Erhöht oder verringert die...
In allen (Regressions-) zufälligen Waldpapieren, die ich gelesen habe, nehmen wir, wenn es an der Zeit ist, die Vorhersagen aller Bäume zu sammeln, den Durchschnittswert als Vorhersage. Meine Frage ist, warum wir das tun? Gibt es eine statistische Begründung für die Ermittlung des...
Diese Frage scheint grundlegend genug zu sein, dass ich überzeugt bin, dass sie hier irgendwo beantwortet wurde, aber ich habe sie nicht gefunden. Ich verstehe, dass, wenn die abhängige Variable in einer Regression normal verteilt ist, die maximale Wahrscheinlichkeit und die gewöhnlichen kleinsten...
Angenommen, ich schätze die folgende multivariate lineare Regression: Wie kann ich das testen ?bgr; 1 = & bgr ; 2 = & bgr ; 3y=β0+β1x1+β2x2+β3x3+β4x4+ϵy=β0+β1x1+β2x2+β3x3+β4x4+ϵ y = \beta_0 +\beta_1 x_1 +\beta_2 x_2+\beta_3x_3+\beta_4x_4 + \epsilonβ1=β2=β3β1=β2=β3\beta_1=\beta_2=\beta_3 Ich...
Ich bin neu bei ML. Ich wurde informiert, dass die L2-Normalisierung der Gratregression den Achsenabschnitt nicht bestraft . Wie in der Kostenfunktion: Der L2-Normalisierungsterm summiert sich nur von bis , nicht von bis . Ich habe das auch