«confounding» 태그된 질문

통계 모델에서 예측 변수에 대한 반응의 겉보기 의존성이 모델에 포함되지 않은 세 번째 변수에 대한 의존성 또는에 포함 된 다른 변수의 선형 조합에 대한 의존성으로 인해 부분적 또는 전체적으로 혼동이 발생한다고합니다. 모델. 모델에 포함 된 변수와의 혼동을 종종 다중 공선 성이라고합니다. 동의어는 실험 설계에 사용되는 * 앨리어싱 *입니다.

5
한 사람이 어떻게“다른 변수를 제어”합니까?
이 질문에 동기를 부여한 기사는 다음과 같습니다. 조바심은 우리를 뚱뚱하게합니까? 나는이 기사를 좋아했고, 문제가되는 두 변수 사이의 진정한 관계를 가장 잘 분리하기 위해“다른 변수에 대한 통제”(IQ, 경력, 수입, 나이 등) 개념을 잘 보여줍니다. 일반적인 데이터 세트에서 변수를 실제로 제어 하는 방법 을 설명해 주 시겠습니까? 예를 들어, 조급함 수준과 BMI는 …

15
미국 선거 결과 2016 : 예측 모델에 어떤 문제가 있었습니까?
먼저 그것은 미국 선거인 Brexit 이었다 . 많은 모델 예측이 크게 한계에 이르렀으며 여기서 배울 교훈이 있습니까? 어제 오후 4시 (PST)까지 베팅 시장은 여전히 ​​힐러리 4 대 1을 선호했습니다. 나는 실제 돈을 가지고 베팅 시장이 모든 가능한 예측 모델의 앙상블 역할을해야한다고 생각합니다. 따라서 이러한 모델이 잘 작동하지 않았다고 말할 수는 …

3
어느 병원을 선택해야합니까? 하나는 성공률이 높지만 다른 하나는 전체 성공률이 높습니다.
통계 교사가 다음 문제에 대해 말한 내용에 대한 질문이 있습니다. 내 질문은이 상황에서 심슨의 역설이 발생하지 않는다는 것입니다. 내 질문은 단순히 A)와 D)가 A)와 F) 대신 정답이라는 교수의 주장에 관한 것입니다. 그는 말했다 : "E 형 수술의 성공률이 너무 낮기 때문에 우리는 그 수술이 어렵고 드문 일이 아니라는 결론을 내릴 …

3
“모든 관련 예측 변수”를 포함시켜야합니까?
추론에 회귀 모델을 사용하는 기본 가정은 "모든 관련 예측 변수"가 예측 방정식에 포함되어 있다는 것입니다. 중요한 실제 요인을 포함하지 않으면 계수가 바이어스되어 부정확 한 추론 (즉, 변수 바이어스 생략)이 발생한다는 이론적 근거가 있습니다. 그러나 연구 관행에서 "모든 관련 예측 변수" 와 유사한 것을 포함한 사람 은 본 적이 없습니다 . …

1
공감 자-정의
그의 책 M. 카츠에 따르면, 다 변수 분석 (섹션 1.2, 6 페이지), " 교란 요인이 위험 인자와 연관되어 인과 결과. 관련 "왜 교란 요인이해야 인과 결과와 관련? 혼란자가 결과와 관련 되는 것으로 충분 합니까?

1
비율 분석 기법
비율과 비율 분석을 다루는 조언과 의견을 찾고 있습니다. 내가 비율을 분석하는 분야에서 특히 널리 퍼져 있지만 문제가 될 수 있다고 제안하는 몇 가지 논문을 읽었습니다. Kronmal, Richard A. 1993. 스퓨리어스 상관 관계와 비율 표준의 오류가 재검토되었습니다. 왕립 통계 학회지 시리즈 A 156 (3) : 379-392 및 관련 논문. 내가 지금까지 …

4
성향 추론에 대한 성향 스코어 매칭이 작동하는 이유는 무엇입니까?
성향 점수 매칭은 관찰 연구에서 인과 추론을 만드는 데 사용됩니다 ( Rosenbaum / Rubin 논문 참조 ). 왜 작동하는지에 대한 간단한 직감은 무엇입니까? 다시 말해, 치료에 참여할 확률이 두 그룹에 대해 동일한 지 확인하는 경우 혼란스러운 효과가 사라지고 결과를 사용하여 치료에 대한 인과적인 결론을 내릴 수있는 이유는 무엇입니까?

2
Rubin의 인과 모델에 대한 논란 없음-Layman의 설명
Rubin의 인과 관계 모델을 구현할 때, 우리가 필요로하는 (가장 믿을 수없는) 가정 중 하나는 헷갈 리지 않는 것입니다. ( Y( 0 ) , Y( 1 ) ) ⊥ T| 엑스(Y(0),Y(1))⊥T|X(Y(0),Y(1))\perp T|X LHS가 반제품 인 경우, T는 처리이고 X는 우리가 제어하는 ​​공변량입니다. Rubin Causal Model에 대해 잘 모르는 사람에게 이것을 설명하는 …

3
실험 설계의 잠재적 혼란
질문 개요 경고 :이 질문에는 많은 설정이 필요합니다. 저를 참아주세요. 저의 동료와 저는 실험 설계를하고 있습니다. 디자인은 많은 제약 조건을 해결해야하며, 아래에 나열합니다. 나는 제약 조건을 만족시키고 관심의 영향에 대한 편견없는 추정치를 제공하는 디자인을 개발했습니다. 그러나 저의 동료는 디자인에 혼란이 있다고 생각합니다. 우리는이 요점을 메스꺼움으로 해결하지 않고 논란을 일으켰으므로이 시점에서 …

3
통제 된 실험에서 숨어있는 변수의 어떤 예가 출판물에 있습니까?
이 논문에서 : 숨어있는 변수 : 몇 가지 예 Brian L. Joiner American Statistician Vol. 1981 년 11 월 35 일 35 호 227-233 Brian Joiner는 "무작위 화는 만병 통치약이 아니다"고 주장합니다. 이것은 다음과 같은 일반적인 진술과 상반됩니다. 잘 설계된 실험에는 독립 변수와 종속 변수 사이의 관찰 된 관계에 대한 …

2
효과 수정 자 및 혼란 자 역할을하는 변수를 가질 수 있습니까?
주어진 위험-결과 연관 쌍에 대해 효과 (측정) 수정 자 및 혼란 자 역할을하는 변수를 가질 수 있습니까? 나는 여전히 구별이 확실하지 않다. 차이점을 이해하는 데 도움이되는 그래픽 표기법을 살펴 보았지만 표기법의 차이점은 어리둥절합니다. 두 가지에 대한 그래픽 / 시각적 설명과 이들이 겹쳐 질 수있는시기가 유용 할 것입니다.

1
Anova ()와 drop1 ()이 GLMM에 다른 답변을 제공 한 이유는 무엇입니까?
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 
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.