«causality» 태그된 질문

GLMM 형식이 있습니다. lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) 를 사용할 때 자동차 패키지 또는에서 사용할 때 drop1(model, test="Chi")와 다른 결과를 얻습니다 . 후자의 두 사람도 같은 대답을합니다.Anova(model, type="III")summary(model) 조작 된 데이터를 사용 하여이 두 가지 방법이 일반적으로 다르지 않다는 것을 알았습니다. …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

다음 표준 방정식을 사용하여 차이 차이 접근법에 대한 질문이 있습니다. 여기서 treat는 처리 된 그룹 및 게시물에 대한 더미 변수입니다. 와이= a + b1치료 + b2게시 + b삼치료 ⋅ 포스트 + Uy=a+b1treat+b2post+b3treat⋅post+u y= a + b_1\text{treat}+ b_2\text{post} + b_3\text{treat}\cdot\text{post} + u 이제 내 질문은 간단합니다. 왜 대부분의 논문이 여전히 추가 …

10 regression  multiple-regression  causality 

이것은 여러 번 나온 예제 일뿐이므로 샘플 데이터가 없습니다. R에서 선형 회귀 모델 실행 : a.lm = lm(Y ~ x1 + x2) x1연속 변수입니다. x2범주 형이며 "낮음", "중간"및 "높음"의 세 가지 값이 있습니다. 그러나 R이 제공하는 출력은 다음과 같습니다. summary(a.lm) Estimate Std. Error t value Pr(>|t|) (Intercept) 0.521 0.20 1.446 …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

내 이해는 회귀조차도 인과 관계를 제공하지 않는다는 것입니다. y 변수와 x 변수 및 가능한 방향 사이의 연관성 만 제공 할 수 있습니다. 제가 맞습니까? 나는 대부분의 교과서와 온라인의 다양한 교과서 페이지에서도 "x predicts y"와 비슷한 문구를 발견했습니다. 그리고 회귀자를 종종 예측 변수라고하고 y를 반응이라고합니다. 선형 회귀에 사용하는 것이 얼마나 공정합니까? …

9 regression  logistic  predictive-models  terminology  causality 

성향 점수 가중 (특히 IPTW)을 사용하여 관측 데이터로부터 평균 치료 효과를 추정하려고합니다. 나는 ATE를 올바르게 계산한다고 생각하지만 역 성향 점수 가중치를 고려하면서 ATE의 신뢰 구간을 계산하는 방법을 모르겠습니다. 다음은 평균 치료 효과를 계산하기 위해 사용하는 방정식입니다 (2010 년 9 월 10 일 29:20 통계 : 참고 자료 Stat Med. T이자형=1엔∑1엔지나는와이나는피나는−1엔∑1엔( …

9 r  survey  causality  propensity-scores  observational-study 

나는 홍보 모델링 목적으로 외인성 변수로 증강 된 ARIMA 모델링을 사용하고 있으며 비즈니스 사용자에게 설명하기가 어렵습니다. 어떤 경우에는 소프트웨어 패키지가 간단한 전송 기능, 즉 파라미터 * 외인성 변수로 끝납니다. 이 경우 해석이 용이하다. 즉 판촉 활동 X (외인 이진 변수로 표시)는 Y 변수에 의해 종속 변수 (예 : 수요)에 영향을 …

9 time-series  data-visualization  forecasting  arima  causality 

저는 현재 인과 관계에 관한 Pearl의 작품 (Pearl, 2009, 2nd edition)을 읽고 있으며 비모수 적 모델 식별과 실제 추정 사이의 연결을 설정하기 위해 노력하고 있습니다. 불행히도 Pearl 자신은이 주제에 대해 매우 침묵합니다. 예를 들어, 인과 적 경로 와 모든 변수 , 및 영향을 미치는 혼란을 가진 간단한 모델을 염두에두고 있습니다. …

9 estimation  references  causality 

무작위 배정은 잠재적 결과로부터 치료의 독립성을 보장하기 때문에 가치가 있습니다. 그것이 평균 치료 효과의 편견없는 추정으로 이어지는 방법입니다. 그러나 다른 할당 체계는 또한 잠재적 결과로부터 치료의 독립성을 체계적으로 보장 할 수있다. 그렇다면 왜 무작위 할당이 필요한가요? 달리 말하면, 비 랜덤 할당 체계에 비해 무작위 할당의 장점은 무엇입니까? 를 각 요소가 …

9 econometrics  experiment-design  causality  instrumental-variables  random-allocation