«survey» 태그된 질문

관심있는 결과가 이분법 인 LASSO Regressionglmnet 과 함께 사용하기 시작했습니다 . 아래에 작은 모의 데이터 프레임을 만들었습니다. age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, 0.91, 0.29, 0.88) …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

예를 들어 내 문제를 설명하겠습니다. {나이, 성별, 국가, 지역, 도시}와 같은 속성이 주어진 개인의 소득을 예측한다고 가정합니다. 당신은 이와 같은 훈련 데이터 세트를 가지고 있습니다 train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID Age …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

방금 혼합 효과 모델링을 통해 측정의 반복성 (일명 신뢰성, 일명 클래스 내 상관 관계)을 계산하는 방법을 설명하는 이 문서를 보았습니다. R 코드는 다음과 같습니다. #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability R = intercept_var/(intercept_var+residual_var) …

28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

주성분 분석 (PCA)을 수행 한 후 PCA 공간에 새 벡터를 투영하려고합니다 (즉, PCA 좌표계에서 해당 좌표를 찾습니다). 를 사용하여 R 언어로 PCA를 계산했습니다 prcomp. 이제 내 벡터에 PCA 회전 행렬을 곱할 수 있어야합니다. 이 매트릭스의 주요 구성 요소를 행 또는 열로 배열해야합니까?

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

가중치의 치료 사이에 차이가 어떻게 알고 싶습니다 svyglm및glm 나는 twangR 에서 패키지를 사용하여 다음과 같이 성향 점수를 만든 다음 가중치로 사용합니다 (이 코드는 twang설명서 에서 제공됨). library(twang) library(survey) set.seed(1) data(lalonde) ps.lalonde <- ps(treat ~ age + educ + black + hispan + nodegree + married + re74 + re75, data …

18 r  survey 

무작위 모집단 샘플을 조사했다. 그들은 채식을 먹는지 물었습니다. 그들이 예라고 대답하면, 그들은 중단없이 채식을 얼마나 오랫동안 먹었는지 명시하도록 요청 받았다. 이 데이터를 사용하여 채식주의에 대한 평균 준수 기간을 계산하고 싶습니다. 다시 말해, 누군가 채식을하면 평균적으로 채식을한다는 것을 알고 싶습니다. 다음과 같이 가정 해 봅시다 : 모든 응답자가 정확하고 정확한 답변을하였습니다 …

16 survival  mean  missing-data  survey  weighted-mean 

샘플 아티스트에게 설문 조사를 제출했습니다. 질문 중 하나는 예술 활동, 정부 지원, 개인 연금, 예술과 관련이없는 활동에 의해 도출 된 소득의 백분율을 나타내는 것이었다. 개인의 약 65 %가 백분율의 합이 100이라고 대답했습니다. 다른 사람은 그렇지 않습니다. 예를 들어, 자신의 예술 활동으로 인해 수입의 70 %와 소득 정부에서 60 %가 대답 …

13 survey  bias 

내 고용주는 현재 사무실에 대한 태도, 즉 감정에 대한 회사 차원의 설문 조사를 진행하고 있습니다. 과거에는 비즈니스의 모든 영역 (10 개의 매우 다른 부서로 가정)과 그 내부의 모든 직원에 대해 설문 조사를 열었습니다 (회사 전체에서 총 1000 명으로 가정) 각 부서의 직원 수는 같지 않으며 1 명 특정 부서는 전체 …

13 survey  survey-sampling 

샘플링 과정을 배울 때 다음 두 가지 진술을 충족시킵니다. 1) 샘플링 오류는 대부분 가변성, 비 샘플링 오류는 편차를 유발합니다. 2) 비 샘플링 오차로 인해 샘플이 종종 CENSUS보다 정확합니다. 나는이 두 진술을 이해하는 방법을 모른다. 이 두 문장을 얻는 기본 논리는 무엇입니까?

13 estimation  sampling  survey  bias 

설문지를 개발 중입니다. 신뢰성과 유효성을 향상시키기 위해 통계적 방법을 사용하고 싶습니다. 답이 항상 같은 질문을 제거하고 싶습니다. 이는 거의 모든 참가자가 해당 질문에 대해 동일한 답변을 하였음을 의미합니다. 이제 내 질문은 : 사용 맥락과 무관하게 답이 항상 같은 쓸모없는 질문에 대한 기술적 용어는 무엇입니까? 그러한 질문을 식별하는 방법은 무엇입니까?

12 survey  reliability  psychometrics  validity 

논문에 대한 설문지를 디자인하고 있습니다. Cronbach의 알파 테스트를 초기 샘플 그룹에 적용한 설문지를 검증하는 중입니다. 설문지에 대한 답변은 리 커트 규모입니다. 누구든지 그 유효성을 테스트하는 데 도움이되는 추가 테스트를 제안 할 수 있습니다. 통계 전문가가 아니므로 도움을 주시면 감사하겠습니다. 몇 가지 조사를 해왔으며 Rasch 분석을 수행 할 수있는 것으로 보입니다.이 …

12 survey  scales  psychometrics  scale-construction 

지속적인 결과와 함께 LASSO를 사용하는 일부 후보 예측 변수에서 모델 선택을 시도하고 있습니다. 목표는 LASSO로부터 튜닝 파라미터의 솔루션 경로를 얻은 후에 K- 폴드 교차 검증에 의해 수행 될 수있는 최고의 예측 성능을 갖는 최적 모델을 선택하는 것이다. 여기서 문제는 데이터가 군집 샘플링 및 계층화가있는 복잡한 다단계 조사 설계 (NHANES)에서 나온다는 …

11 cross-validation  survey  lasso  glmnet 

여론 조사 데이터를 사용하여 후보자 투표의 주요 예측 자에 대한 정보를 제시해야합니다. 관심있는 모든 변수를 사용하여 로지스틱 회귀 분석을 실행했지만이 정보를 제시하는 좋은 방법을 찾을 수 없습니다. 내 의뢰인은 효과의 크기 만 신경 쓰지 않고 효과의 크기와 그러한 속성을 가진 모집단의 크기 사이의 상호 작용에 대해서는 신경 쓰지 않습니다. 그래프에서 …

11 logistic  data-visualization  survey 

누군가 오차 한계와 신뢰 구간의 차이를 말해 줄 수 있습니까? 인터넷에서 나는이 두 가지 의미가 상호 교환 적으로 사용되는 것을 본다. 말하는 것이 맞습니까? "신뢰 구간이 1.96으로 표시되고 그래프에서 오류 여백으로 표시됩니까?"

11 confidence-interval  survey  polling 

이것은 고등학교 고등학교 프로젝트에만 해당되므로 완벽 할 필요는 없습니다. 저는 지구 온난화에 관한 프로젝트를 진행하고 있으며 사람들의 의견을 조사하고자합니다. 나는 반 친구들의 편의 샘플을 사용하면 많은 편견이있을 것이라는 것을 알고 있습니다. 인터넷에 임의의 사람들이 답변 할 수있는 설문 조사를 게시 할 수있는 사이트가 있는지 궁금해서 가능한 한 SRS에 가까워 질 …

11 survey  internet