«regression-coefficients» 태그된 질문

정규화 된 X 에 대해 를 회귀한다고 가정합니다.와이와이Y엑스엑스X 싶지만 스파 스 솔루션을 . 회귀 후 왜 가장 작은 크기의 계수를 폐기 할 수 없습니까? 기록을 위해 LARS 및 LASSO 방법에 대해 들었고 종종 사용합니다. 위의 접근 방식이 적용되지 않는 이유가 궁금합니다.

14 regression  regression-coefficients 

y i ~ β 0 + β 1 x i + β 2 x 2 i + β 3 x 3 i 와 같은 회귀 모형이있는 경우yi∼β0+β1xi+β2x2i+β3x3iyi∼β0+β1xi+β2xi2+β3xi3y_i \sim \beta_0 + \beta_1 x_i+\beta_2 x_i^2 +\beta_3 x_i^3나는 원시 다항식에 적합하고 신뢰할 수없는 결과를 얻거나 직교 다항식에 적합하며 직접적인 물리적 해석이없는 계수를 얻을 …

14 regression  linear-model  regression-coefficients  polynomial 

많은 맥락에서 상호 교환 적으로 사용되는이 두 용어를 접했습니다. 기본적으로 중재자 (M)는 X와 Y의 관계에 영향을주는 요소입니다. 보통 분석은 회귀 모델을 사용하여 수행됩니다. 예를 들어 성별 (M)은 "제품 조사"(X)와 "제품 구매"(Y)의 관계에 영향을 줄 수 있습니다. 상호 작용에서 X1과 X2는 Y에 영향을주기 위해 상호 작용합니다. 여기서 동일한 예는 "제품 조사"(X1)가 …

14 regression  interaction  interpretation  regression-coefficients  terminology 

그래서 저는 랜덤 효과 마이너스 이항 모형에 적합하고 싶습니다. 이러한 모델의 경우 STATA는 지수화 된 계수를 생성 할 수 있습니다. 도움말 파일에 따르면 이러한 계수는 발생률 비율로 해석 될 수 있습니다. 불행히도 나는 영어 원어민이 아니며 발생률 비율이 무엇인지 또는 어떻게 번역 할 수 있는지 이해하지 못합니다. 그래서 제 질문은, …

14 interpretation  negative-binomial  regression-coefficients 

약간의 배경 회귀 분석의 해석에 대해 연구하고 있지만 r, r 제곱 및 잔차 표준 편차의 의미에 대해 실제로 혼란스러워합니다. 나는 정의를 알고있다 : 특성 r은 산점도에서 두 변수 사이의 선형 관계의 강도와 방향을 측정합니다 R 제곱은 데이터가 적합 회귀선에 얼마나 가까운 지에 대한 통계적 측정 값입니다. 잔차 표준 편차는 선형 …

13 r  regression  regression-coefficients  linear  pearson-r 

이전 질문과 토론에서 귀중한 피드백을 수집 한 후 다음과 같은 질문을 제기했습니다. 예를 들어 남성과 여성의 두 그룹에서 효과 차이를 감지하는 것이 목표라고 가정합니다. 이를 수행하는 두 가지 방법이 있습니다. 두 그룹에 대해 두 개의 개별 회귀 분석을 실행하고 Wald 검정을 사용하여 귀무 가설 : 을 기각 (또는 거부)합니다 . …

13 statistical-significance  interaction  regression-coefficients 

데이터 세트가 매우 커서 약 5 %의 임의 값이 없습니다. 이 변수들은 서로 상관되어 있습니다. 다음 예제 R 데이터 세트는 더미 상관 데이터가있는 장난감 예제 일뿐입니다. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep ="") rownames(xmat) …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

회귀 분석과 반응 ( +0,43) 사이에 양의 상관 관계를 얻을 수 있으며, 그 후에이 회귀 분석기의 적합 회귀 모형에서 음의 계수를 얻을 수 있습니까? 일부 모델에서 회귀 기호의 변화에 ​​대해 이야기하고 있지 않습니다. 계수 부호는 항상 유지됩니다. 적합 모형의 나머지 변수가 부호 변경에 영향을 줄 수 있습니까?

12 correlation  multiple-regression  regression-coefficients 

현재 ~ 300 개의 변수와 800 개의 관측치가있는 데이터 세트에서 이진 결과에 대한 예측 모델을 작성 중입니다. 이 사이트에서 단계별 회귀와 관련된 문제와 사용하지 않는 이유에 대해 많이 읽었습니다. 저는 LASSO 회귀와 기능 선택 기능을 읽고 "캐럿"패키지 및 "glmnet"을 사용하여 구현에 성공했습니다. 나는 최적으로 모델의 계수를 추출 할 수 있어요 …

12 multiple-regression  predictive-models  interpretation  regression-coefficients  lasso 

동일한 냉동 시스템에 사용 된 2 개의 냉매 (가스)를 평가하고 있습니다. 평가를 위해 포화 흡입 온도 ( ), 응축 온도 ( ) 및 전류량 ( ) 데이터가 있습니다. 두 개의 데이터 세트가 있습니다. 첫 번째 냉매 ( ) 및 두 번째 냉매 ( ). 회귀 분석에 선형, 다변량 ( & …

12 regression  regression-coefficients 

종속 변수가 기록되고 독립 변수가 선형 인 선형 회귀 모델이 있습니다. 주요 독립 변수에 대한 기울기 계수는 음수입니다. . 해석 방법을 잘 모르겠습니다.− .0564−.0564-.0564 절대 값을 사용하고 다음과 같이 음수로 바꿉니 까? ( 특급( 0.0564 ) − 1 ) ⋅ 100 = 5.80(exp⁡(0.0564)−1)⋅100=5.80(\exp(0.0564)-1) \cdot 100 = 5.80 또는 음수 계수를 …

11 linear-model  interpretation  regression-coefficients 

나의 목표는 독립적 인 변수 세트가 주어지면 실제 결과를 예측하기 위해 주제에 대한 이전 연구에서 얻은 계수를 사용하는 것입니다. 그러나 연구 논문은 베타 계수와 t- 값만 나열합니다. 표준화 된 계수를 표준화되지 않은 계수로 변환 할 수 있는지 알고 싶습니다. 예측 값을 계산하기 위해 표준화되지 않은 독립 변수를 표준화 된 변수로 …

11 regression-coefficients 

다단계 회귀에서 표준화 된 (고정 효과) 회귀 가중치를 어떻게 얻을 수 있습니까? 그리고 "애드온 (add-on)"으로서 : mer(개체 lmer의 lme4패키지 기능 에서 R) 객체 에서 이러한 표준화 된 가중치를 얻는 가장 쉬운 방법은 무엇입니까 ?

11 r  multilevel-analysis  lme4-nlme  regression-coefficients  standardization 

이고 이고 인 회귀 모델이 있는데 , 의 상관 계수가 있습니다.와이= a + b XY=a+bXY = a + bXa = 1.6a=1.6a = 1.6b = 0.4b=0.4b=0.4r = 0.60302아르 자형=0.60302r = 0.60302 경우 및 다음 주위 전환 방정식이된다 및 , 그것은 또한 갖는다 값 .엑스엑스X와이와이Y엑스= c + d와이엑스=씨+디와이X = c + dYc …

11 correlation  regression-coefficients 

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