«assumptions» 태그된 질문

내가 일하고 있던 한 여성이 일부 데이터에 대해 일원 분산 분석을 수행하도록 요청했습니다. 나는 데이터가 반복 측정 (시계열) 데이터이며 독립성에 대한 가정이 위반되었다고 생각했다. 그녀는 가정에 대해 걱정하지 말고 시험 만하면 가정이 충족되지 않았 음을 고려할 것이라고 대답했다. 그것은 나에게 옳지 않은 것처럼 보였다. 나는 몇 가지 조사를했고, 데이비드 로빈슨이 …

12 assumptions 

여기서 선형 회귀 분석에서 정규성의 가정에 대한 잘못된 해석이 논의되고 ( '정규'는 잔차가 아닌 X 및 / 또는 Y를 나타냄) 포스터는 정규 분포가 아닌 X와 Y를 가질 수 있는지 묻습니다. 여전히 정규 분포 잔차가 있습니다. 내 질문은 : 정규 분포 X와 Y 가 정규 분포 잔차를 초래할 가능성 이 더 …

12 regression  normal-distribution  data-transformation  residuals  assumptions 

선형 모델이 Model1있고 vcov(Model1)다음 행렬을 제공 한다고 가정하십시오 . (Intercept) latitude sea.distance altitude (Intercept) 28.898100 -23.6439000 -34.1523000 0.50790600 latitude -23.643900 19.7032500 28.4602500 -0.42471450 sea.distance -34.152300 28.4602500 42.4714500 -0.62612550 altitude 0.507906 -0.4247145 -0.6261255 0.00928242 이 예제에서이 매트릭스는 실제로 무엇을 표시합니까? 모델과 독립적 변수에 대해 안전하게 어떤 가정을 할 수 있습니까?

12 r  interpretation  multicollinearity  assumptions  covariance-matrix 

이 논문 은 일반 선형 모델 (이항 및 음 이항 오차 분포)을 사용하여 데이터를 분석합니다. 그러나 방법의 통계 분석 섹션에는 다음과 같은 진술이 있습니다. 두 번째는 로지스틱 회귀 모델을 사용하여 현재 상태 데이터를 모델링하고 GLM (Generalized Linear Model)을 사용하여 시간을 계산하는 데이터입니다. 로그 링크 기능이있는 음의 이항 분포는 위조 시간 …

12 generalized-linear-model  assumptions 

오류에 대한 분포 가정을 배치해야하는 이유, 즉 yi=Xβ+ϵiyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} , .ϵi∼N(0,σ2)ϵi∼N(0,σ2)\epsilon_{i} \sim \mathcal{N}(0,\sigma^{2}) 왜 쓰지 않습니까 yi=Xβ+ϵiyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} , ,yi∼N(Xβ^,σ2)yi∼N(Xβ^,σ2)y_i \sim \mathcal{N}(X\hat{\beta},\sigma^{2}) 어느 경우 든 입니다. 나는 분포 가정이 데이터가 아니라 설명이 아닌 오류에 관한 것이라고 강조했다 . ϵi=yi−y^ϵi=yi−y^\epsilon_i = y_i - \hat{y} 나는이 …

12 regression  normal-distribution  residuals  assumptions  notation 

저는 실험 심리학 박사 과정 학생이며 데이터 분석 방법에 대한 기술과 지식을 향상시키기 위해 열심히 노력합니다. 심리학에서 5 년째까지 회귀 형 모델 (예 : 분산 분석)은 다음과 같은 사항을 가정한다고 생각했습니다. 데이터의 정규성 데이터에 대한 분산 동질성 학부 과정에서 데이터에 대한 가정이 있다고 믿게되었습니다. 그러나 5 학년 때, 일부 강사들은 …

12 regression  dataset  residuals  assumptions 

쌍을 이루는 t- 검정을 수행 하려면 일치하는 측정 단위 간의 평균 차이가 정상적으로 분포되어야합니다. 쌍을 이루는 t- 검정에서, 이는 일치하는 측정 단위 사이의 차이가 정상적으로 분포 될 것을 요구하면서 (AFAIK) 분명히 표현됩니다 (두 비교 그룹 각각의 분포가 정상이 아닌 경우에도). 그러나 쌍을 이루지 않은 t- 검정에서는 일치하는 단위 간의 차이에 …

12 t-test  normality-assumption  assumptions 

에서 경제학 후미오 하야시에 의해, (Chpt 1) 무조건적인 동질성 : 오차항 E (εᵢ²)의 두 번째 모멘트는 관측치에서 일정합니다. 기능적 형태 E (εᵢ² | xi)는 관측에 걸쳐 일정합니다 조건부 동질성 : 관측치에서 오차 항 E (εᵢ²)의 두 번째 모멘트가 일정하다는 제한이 해제됩니다. 따라서 조건부 제 2 모멘트 E (εᵢ² | xi)는 …

12 regression  econometrics  heteroscedasticity  assumptions 

문맥: 이전 질문에서 @Robbie는 약 600 건의 연구 에서 정규성 검정이 유의미한 비정규 성을 제안했지만 플롯은 정규 분포를 제안한 이유를 조사했습니다 . 몇몇 사람들은 정규성의 유의성 검정이 그다지 유용하지 않다고 지적했습니다. 작은 표본의 경우 이러한 테스트는 경미한 정상 위반을 탐지 할 수있는 힘이 크지 않으며 큰 표본의 경우 걱정할 정도로 …

12 statistical-significance  normal-distribution  normality-assumption  assumptions 

FA ( 전통적, 선형) 요인 분석 (FA), 특히 FA 이전 (및 가능하게는 이후에) 가정 을 실제로 이해했는지 확인하고 싶습니다 . 일부 데이터는 초기에 상관 관계가 있어야하며 데이터간에 선형 관계가있을 수 있습니다. 요인 분석을 수행 한 후에는 데이터가 정규 분포 (각 쌍에 대한 이변 량 분포)로 분포되며 요인 (공통 및 특정) …

11 correlation  factor-analysis  assumptions  dimensionality-reduction 

mgcv에 대한 패키지는 R텐서 제품의 상호 작용을 피팅에 대한 두 가지 기능이 있습니다 : te()와 ti(). 나는 둘 사이의 기본 노동 분열을 이해한다 (비선형 상호 작용에 적합하고이 상호 작용을 주요 효과와 상호 작용으로 분해). 내가 이해할 수없는 것은 왜 te(x1, x2)와 ti(x1) + ti(x2) + ti(x1, x2)(약간) 다른 결과가 발생할 …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

선형 회귀의 가정으로, 오차 분포의 정규성은 때때로 "확장"되거나 y 또는 x의 정규성이 필요하다고 해석됩니다. X와 Y가 비정규이지만 오차항이 존재하여 얻어진 선형 회귀 추정값이 유효한 시나리오 / 데이터 세트를 구성 할 수 있습니까?

11 regression  linear-model  assumptions 

선형 회귀를 수정하고 있습니다. Greene의 교과서는 다음과 같이 말합니다. 물론, 선형 회귀 모델에 대한 다른 가정이있을 것입니다 예 : . 이 가정은 선형성 가정 (실제로 정의 ) 과 결합 하여 모델에 구조를 적용합니다.ϵE(ϵ|X)=0E(ϵ|X)=0E(\epsilon|X)=0ϵϵ\epsilon 그러나 선형성 가정 자체만으로는 모델에 어떠한 구조도 적용하지 않습니다. 은 완전히 임의적 일 수 있기 때문 입니다. …

10 econometrics  linear-model  assumptions  causality  definition 

선형 회귀 분석에서 오류는 y의 예측 값에 따라 정규 분포로 가정된다는 것을 이해합니다. 그런 다음 잔차를 오류에 대한 일종의 프록시로 봅니다. 다음과 같이 출력을 생성하는 것이 좋습니다 . 그러나 각 포인트의 잔차를 가져 와서 단일 플롯으로 묶는 점이 무엇인지 이해하지 못합니다. 예측 된 각 y 값에서 정규 잔차가 있는지 여부를 …

10 regression  assumptions 

반복 측정 ANOVA가 구 형성을 가정하는 이유는 무엇입니까? 구 형성이란 그룹 간의 모든 쌍별 차이의 분산이 동일해야한다는 가정을 의미합니다. 특히, 나는 이것이 왜 가정되어야하는지 이해하지 못하며 관찰 된 그룹 점수의 분산 자체가 동일하지 않다.

10 anova  repeated-measures  assumptions  sphericity