«quasi-likelihood» 태그된 질문

나는 quasibinomial 분포가 무엇인지, 그리고 그것이 무엇인지에 대한 직관적 인 개요를 누군가가 제공 할 수 있기를 바랍니다. 특히 다음 사항에 관심이 있습니다. 유사 이항 분포가 이항 분포와 어떻게 다른가? 반응 변수가 비율 인 경우 (예 : 값에 0.23, 0.11, 0.78, 0.98 포함) 준이 항 모델은 R에서 실행되지만 이항 모델은 그렇지 …

30 r  generalized-linear-model  binomial  overdispersion  quasi-likelihood 

과도하게 분산되거나 분산되지 않은 카운트 데이터 세트에 일반 선형 모델을 맞추려고합니다. 여기에 적용되는 두 가지 정규 분포는 Poisson과 Negative Binomial (Negbin)이며 EV 와 분산입니다.μμ\mu VR피= μVarP=μVar_P = \mu VR엔비= μ + μ2θVarNB=μ+μ2θVar_{NB} = \mu + \frac{\mu^2}{\theta} 이는 사용 R에 장착 가능 glm(..,family=poisson)하고 glm.nb(...), 각각. quasipoisson내 이해에는 동일한 EV와 분산으로 조정 …

21 r  generalized-linear-model  negative-binomial  poisson-regression  quasi-likelihood 

질문 : 유사 최대 가능성 추정 (QMLE; 의사 최대 가능성 추정, PMLE이라고도 함)의 아이디어와 직관은 무엇입니까? 실제 오차 분포가 가정 된 오차 분포와 일치하지 않을 때 추정기가 작동하는 이유는 무엇입니까? QMLE 의 Wikipedia 사이트 는 훌륭하지만 (간결하고 직관적이며 요점까지는) 좀 더 직관과 세부 사항, 아마도 그림을 사용할 수 있습니다. 다른 …

17 maximum-likelihood  references  intuition  quasi-likelihood 

계산 데이터가 있습니다 (많은 요인에 따라 고객 수를 계산하여 요구 / 제공 분석). 정상적인 오류로 선형 회귀를 시도했지만 QQ 플롯이 실제로 좋지 않습니다. 나는 대답의 로그 변환을 시도했다 : 다시 한 번 나쁜 QQ 플롯. 이제 Poisson Errors로 회귀를 시도하고 있습니다. 모든 중요한 변수가있는 모델을 사용하면 다음과 같은 결과를 얻습니다. …

16 count-data  poisson-regression  overdispersion  quasi-likelihood 

응답 변수의 분산을 제한하는 모델을 사용할 때마다 GLM에서 '과도 분산'현상이 발생하며 데이터는 모델 제한이 허용하는 것보다 큰 분산을 나타냅니다. 이것은 Poisson GLM을 사용하여 카운트 데이터를 모델링 할 때 일반적으로 발생하며 잘 알려진 테스트로 진단 할 수 있습니다. 검정 결과 과대 산포의 통계적으로 유의미한 증거가있는 경우, 분산 모형을 사용하여 원래 모형에서 …

15 generalized-linear-model  poisson-regression  overdispersion  quasi-likelihood 

내가 아는 한, 로지스틱 모델과 분수 응답 모델 (frm)의 차이점은 frm이 [0,1]이지만 로지스틱이 {0, 1} 인 종속 변수 (Y)입니다. 또한 frm은 유사 가능성 추정기를 사용하여 모수를 결정합니다. 일반적으로로 glm로지스틱 모델을 얻는 데 사용할 수 있습니다 glm(y ~ x1+x2, data = dat, family = binomial(logit)). frm의 경우로 변경 family = binomial(logit)됩니다 …

13 r  logistic  generalized-linear-model  quasi-likelihood 

Poisson 반응 변수의 과대 산포 및 모든 고정 효과 시작 모델을 다루는 세 가지 제안을 살펴 보았습니다. 유사 모델을 사용하십시오. 음 이항 GLM을 사용하십시오. 피사체 수준의 임의 효과가 혼합 된 모델을 사용하십시오. 그러나 실제로 어떤 것을 선택해야하며 왜 그런가? 이 중에서 실제 기준이 있습니까?

12 regression  negative-binomial  poisson-regression  overdispersion  quasi-likelihood 

보험 환경에서 클레임 수 데이터를 모델링 할 때 Poisson으로 시작했지만 과대 산포가 나타났습니다. Quasi-Poisson은 기본 Poisson보다 더 큰 평균-분산 관계를 더 잘 모델링했지만 계수가 Poisson과 Quasi-Poisson 모델에서 동일하다는 것을 알았습니다. 이것이 오류가 아닌 경우 왜 이런 일이 발생합니까? Poisson보다 Quasi-Poisson을 사용하면 어떤 이점이 있습니까? 참고 사항 : 근본적인 손실은 초과 …

12 r  count-data  poisson-regression  overdispersion  quasi-likelihood