«heteroscedasticity» 태그된 질문

일부 데이터에서 R을 사용하고 내 데이터가 이분법 인지 여부를 확인하려고 시도하면서 Breusch-Pagan 테스트, bptest (package lmtest) 및 ncvTest (package car)의 두 가지 구현이 발견되었습니다 . 그러나 결과가 다릅니다. 둘의 차이점은 무엇입니까? 언제 하나를 사용해야합니까? > model <- lm(y ~ x) > bp <- bptest(model) > bp studentized Breusch-Pagan test data: …

9 r  regression  heteroscedasticity  assumptions  breusch-pagan 

에서 이 종이 ( 분산 구성 요소에 대한 베이 즈 추론 대조 에러 만하여 , 작성자 청구 Harville 1974) 는 "공지이어야 선형 회귀 경우 (y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y-X\beta)'H^{-1}(y-X\beta)=(y-X\hat\beta)'H^{-1}(y-X\hat\beta)+(\beta-\hat\beta)'(X'H^{-1}X)(\beta-\hat\beta)y=Xβ+ϵ,y=Xβ+ϵ,y=X\beta+\epsilon,ϵ∼N(0,H).ϵ∼N(0,H).\epsilon\sim\mathcal{N}(0, H). 이것은 어떻게 잘 알려져 있습니까? 이것을 증명하는 가장 간단한 방법은 무엇입니까?

9 regression  regression-coefficients  heteroscedasticity  bias  linear-algebra 

나는 선형 회귀 설정에서이 분산 하에서 OLS가 편견이 없지만 효율적이지 않다는 것을 알고 있습니다. 위키 백과에서 http://en.wikipedia.org/wiki/Minimum_mean_square_error MMSE 추정기는 무증상으로 편향되어 정규 분포로 분포합니다 : 여기서 I (x)는 x의 Fisher 정보입니다. 따라서 MMSE 추정기는 점진적으로 효율적입니다.엔−−√(엑스^− x )→디엔( 0 ,나는− 1( x ) )엔(엑스^−엑스)→디엔(0,나는−1(엑스))\sqrt{n}(\hat{x} - x) \xrightarrow{d} \mathcal{N}\left(0 , I^{-1}(x)\right) …

9 least-squares  heteroscedasticity  efficiency 

나는 다음과 같은 실험 설계에서 데이터를 내 관측 성공 (의 수의 계산이다 K시험의 수 (대응에서) N각각 구성된 두 그룹에 대해 측정) I에서 개인, T이러한 각 요인의 조합에있다 치료, R복제를 . 따라서, 나는 모두 2 * I * T * R K 및 대응하는 N을 갖는다 . 데이터는 생물학에서 온 것입니다. …

9 r  generalized-linear-model  heteroscedasticity  log-linear  dglm 

최소 제곱 법에서는 모형에서 알 수없는 매개 변수를 추정하려고합니다. 와이제이= α + β엑스제이+ε제이( j = 1 ... n )Yj=α+βxj+εj(j=1...n)Y_j = \alpha + \beta x_j + \varepsilon_j \enspace (j=1...n) 일단 우리가 (일부 관찰 된 값들에 대해), 우리는 적합 회귀선을 얻습니다 : 와이제이=α^+β^x +이자형제이( J = 1 , . . . N …

9 regression  least-squares  residuals  heteroscedasticity  assumptions 

다음과 같은 예제 데이터 세트가 있습니다. Volume <- seq(1,20,0.1) var1 <- 100 x2 <- 1000000 x3 <- 30 x4 = sqrt(x2/pi) H = x3 - Volume r = (x4*H)/(H + Volume) Power = (var1*x2)/(100*(pi*Volume/3)*(x4*x4 + x4*r + r*r)) Power <- jitter(Power, factor = 1, amount = 0.1) plot(Volume,Power) 그림에서 볼 …

9 r  hypothesis-testing  nonlinear-regression  goodness-of-fit  heteroscedasticity 

나는 scedasticity와 stationarity의 개념을 구별하는 데 어려움을 겪고 있습니다. 내가 이해하는 것처럼, 이분산성은 하위 인구의 다양성이 다르며 비정규 성은 시간이 지남에 따라 변화하는 평균 / 변화입니다. 이것이 올바른 (단순하지만) 이해라면, 정상이 아닌 것은 단순히 시간이 지남에 따라 이분산성의 특정 사례입니까?

9 time-series  heteroscedasticity  stationarity  intuition 

독립 변수 벡터 및 및 종속 변수 관찰한다고 가정 해 봅시다 . I는 형태의 모델에 맞게하고자 : 여기서 는 양의 값을 두 배로 구분할 수있는 함수이고, 는 알 수없는 스케일링 매개 변수이며, 은 평균이 0 인 단위 분산 가우스 랜덤 변수입니다 ( 독립적 인 것으로 가정) 및 ). 이것은 본질적으로 …

9 regression  hypothesis-testing  heteroscedasticity  generalized-least-squares 

Likert 스케일이 사용 된 여러 측정에서 상관 관계를 실행하려고합니다. 산점도를 보면 선형성과 동성애 가정이 위반되었을 수 있습니다. 인터벌 레벨 스케일링에 근접한 서수 레벨 등급에 대해 약간의 논쟁이있는 것으로 보아도 안전하게 플레이하고 Pearson의 r 대신 Spearman 's Rho를 사용해야합니까? Spearman 's Rho와 함께 가면 인용 할 수있는 참고 문헌이 있습니까?

9 correlation  scales  heteroscedasticity  likert 

에서는 RI가 사용 이분산성하는 교도 Breusch - 테스트 수행 ncvTest의 기능 car패키지. Breusch–Pagan 테스트는 일종의 카이 제곱 테스트입니다. 이 결과를 어떻게 해석합니까? > require(car) > set.seed(100) > x1 = runif(100, -1, 1) > x2 = runif(100, -1, 1) > ncvTest(lm(x1 ~ x2)) Non-constant Variance Score Test Variance formula: ~ fitted.values …

9 interpretation  heteroscedasticity