«regression» 태그된 질문

로지스틱 및 선형 회귀 분석에서 생략 된 변수 바이어스에 대한 질문이 있습니다. 선형 회귀 모델에서 일부 변수를 생략했다고 가정 해보십시오. 생략 된 변수는 모델에 포함 된 변수와 관련이없는 것으로 가정하십시오. 생략 된 변수는 내 모델의 계수를 바이어스하지 않습니다. 그러나 로지스틱 회귀 분석에서 나는 이것이 사실이 아니라는 것을 알게되었습니다. 생략 된 …

17 regression  logistic  least-squares  bias 

이 서수 로지스틱 회귀 분석을 R에서 실행했습니다. mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) 이 모델의 요약을 얻었습니다. summary(mtcars_ordinal) Re-fitting to get Hessian Call: polr(formula = as.factor(carb) ~ mpg, data = mtcars) Coefficients: Value Std. Error t value mpg -0.2335 0.06855 -3.406 Intercepts: Value Std. Error t value 1|2 -6.4706 1.6443 …

17 r  regression  logistic  interpretation  ordered-logit 

V1과 V2의 두 가지 주요 효과가 있습니다. 반응 변수에 대한 V1 및 V2의 영향은 음수입니다. 그러나 어떤 이유로 나는 상호 작용 항 V1 * V2에 대해 양의 계수를 얻고 있습니다. 이것을 어떻게 해석 할 수 있습니까? 그런 상황이 가능합니까?

17 regression  interaction 

effects ()R 의 도움말 파일에 있는 설명을 이해하지 못합니다 . lm또는 aov에 의해 피팅 된 선형 모델의 경우, 효과는 피팅 프로세스 동안 QR 분해에 의해 생성 된 연속 직교 서브 공간에 데이터를 투영하여 얻은 상관되지 않은 단일 자유도 값입니다. 아무도 이것이 무엇을 의미하는지 설명 할 수 있습니까? QR 분해의 Q- …

17 r  regression 

"quality"라는 독립 변수가 있습니다. 이 변수에는 3 가지 반응 방식 (나쁜 품질, 중간 품질, 고품질)이 있습니다. 이 독립 변수를 여러 선형 회귀 분석에 도입하고 싶습니다. 이진 독립 변수 (더미 변수, 코딩 가능 0/ 1)가 있으면 다중 선형 회귀 모델에 쉽게 도입 할 수 있습니다. 그러나 3 가지 양식의 응답 으로이 …

17 r  regression  categorical-data  multicollinearity  categorical-encoding 

내가 아는 그 이것은 내가 분산을 계산 할 때 가지고 얼마나 멀리입니다 :β0^=y¯−β1^x¯β0^=y¯−β1^x¯\hat{\beta_0}=\bar{y}-\hat{\beta_1}\bar{x} Var(β0^)=Var(y¯−β1^x¯)=Var((−x¯)β1^+y¯)=Var((−x¯)β1^)+Var(y¯)=(−x¯)2Var(β1^)+0=(x¯)2Var(β1^)+0=σ2(x¯)2∑i=1n(xi−x¯)2Var(β0^)=Var(y¯−β1^x¯)=Var((−x¯)β1^+y¯)=Var((−x¯)β1^)+Var(y¯)=(−x¯)2Var(β1^)+0=(x¯)2Var(β1^)+0=σ2(x¯)2∑i=1n(xi−x¯)2\begin{align*} Var(\hat{\beta_0}) &= Var(\bar{y} - \hat{\beta_1}\bar{x}) \\ &= Var((-\bar{x})\hat{\beta_1}+\bar{y}) \\ &= Var((-\bar{x})\hat{\beta_1})+Var(\bar{y}) \\ &= (-\bar{x})^2 Var(\hat{\beta_1}) + 0 \\ &= (\bar{x})^2 Var(\hat{\beta_1}) + 0 \\ &= \frac{\sigma^2 (\bar{x})^2}{\displaystyle\sum\limits_{i=1}^n (x_i - \bar{x})^2} \end{align*} 그러나 그것은 내가 가진 한 …

17 regression  self-study 

연속 종속 변수 y 와 순서 변수 X 1을 포함한 독립 변수가 주어지면 선형 모형을 R어떻게 적합 합니까? 이 유형의 모델에 대한 논문이 있습니까?

17 r  regression  lasso  ordinal-data  predictor 

두 개의 시계열이 있습니다. 시장 위험 프리미엄 (ERP; 레드 라인) 국채에 기반한 무위험 금리 (파란색 선) 위험 부담률이 ERP를 설명 할 수 있는지 테스트하고 싶습니다. 이에 따라 저는 기본적으로 Tsay (2010, 3 판, p. 96)의 조언을 따랐습니다. 선형 회귀 모형을 적합하고 잔차의 직렬 상관 관계를 확인하십시오. 잔차 계열이 단위 루트 …

17 regression  time-series 

Box-Jenkins MA 모델에 대한 기본적인 질문입니다. 내가 이해하는 것처럼 MA 모델은 기본적으로 이전 오류 용어 에 대한 시계열 값 의 선형 회귀입니다 . 즉, 관측 값 는 먼저 이전 값 Y_ {t-1}, ..., Y_ {tn} 에 대해 회귀 된 다음 하나 이상의 Y-\ hat {Y} 값이 MA의 오류 항으로 사용됩니다. …

17 regression  time-series  arima  box-jenkins 

우리는 단순 회귀 분석의 실행 가정 y=β0+β1x+uy=β0+β1x+uy=\beta_0+\beta_1x+u , 저장된 잔차 ui^ui^\hat{u_i} 하고 잔차의 분포의 히스토그램을 그린다. 친숙한 분포처럼 보이는 것이 있으면 오차항에이 분포가 있다고 가정 할 수 있습니까? 예를 들어, 잔차가 정규 분포와 비슷하다는 것을 알면 모집단에서 오차 항의 정규성을 가정하는 것이 합리적입니까? 나는 그것이 합리적이라고 생각하지만 어떻게 정당화 될 …

17 r  regression  residuals 

업데이트 : 다른 업데이트에 대해 죄송하지만 분수 다항식과 도움이 필요한 경쟁 위험 패키지가있는 가능한 솔루션을 찾았습니다. 문제 시간 종속 계수 분석을 수행하는 쉬운 방법을 찾을 수 없습니다 .R입니다. 변수 계수를 가져 와서 시간 의존 계수 (변수가 아닌)로 수행 한 다음 시간에 대한 변동을 플롯 할 수 있기를 원합니다. βmy_ v …

17 r  regression  survival  cox-model 

우리는 로지스틱 회귀 분석을 진행하고 있으며 평균 추정 확률은 항상 표본의 확률과 같다는 것을 깨달았습니다. 즉, 적합치의 평균은 샘플의 평균과 같습니다. 아무도 나에게 이유를 설명 하거나이 데모를 찾을 수있는 참조를 줄 수 있습니까?

17 regression  logistic  modeling  generalized-linear-model  maximum-likelihood 

5 개의 변수가 있고 0 ~ 70 범위 내에 있어야하는 대상 변수를 예측하려고합니다. 이 정보를 사용하여 대상을 더 잘 모델링하려면 어떻게해야합니까?

17 regression  bounds 

(문헌에서 나온) 모델이 적합합니다. 또한 예측 변수에 대한 원시 데이터가 있습니다. 확률을 얻기 위해 사용해야하는 방정식은 무엇입니까? 기본적으로 원시 데이터와 계수를 결합하여 확률을 얻으려면 어떻게해야합니까?

17 regression  logistic 

단순 선형 회귀 분석에서 ANOVA F- 검정의 논리를 이해하려고합니다. 내가 가진 질문은 다음과 같습니다. F 값, 즉 MSR/MSE큰 값이면 모델을 중요하게 받아들입니다. 이것의 논리는 무엇입니까?

17 regression  anova