Domande taggate «categorical-data»

I dati categorici (detti anche nominali) possono assumere un numero limitato di possibili valori chiamati categorie. I valori categorici "etichetta", non "misurano". Utilizzare il tag [dati ordinali] per tipi di dati discreti ma ordinati.

1
Interpretazione dei coefficienti di un'interazione tra variabile categorica e continua
Ho una domanda sull'interpretazione dei coefficienti di un'interazione tra variabile continua e categoriale. ecco il mio modello: model_glm3=glm(cog~lg_hag+race+pdg+sex+as.factor(educa)+(lg_hag:as.factor(educa)), data=base_708) Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 21.4836 2.0698 10.380 < 2e-16 *** lg_hag 8.5691 3.7688 2.274 0.02334 * raceblack -8.4715 1.7482 -4.846 1.61e-06 *** racemexican -3.0483 1.7073 -1.785 0.07469 …
1
Valore “nascosto” della variabile categoriale della regressione lineare
Questo è solo un esempio che ho riscontrato più volte, quindi non ho dati di esempio. Esecuzione di un modello di regressione lineare in R: a.lm = lm(Y ~ x1 + x2) x1è una variabile continua. x2è categorico e ha tre valori, ad esempio "Basso", "Medio" e "Alto". Tuttavia, l'output …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
3
Problemi fittizi trappola variabile
Sto eseguendo una grande regressione OLS in cui tutte le variabili indipendenti (circa 400) sono variabili fittizie. Se tutti sono inclusi, esiste una perfetta multicollinearità (la trappola variabile fittizia), quindi devo omettere una delle variabili prima di eseguire la regressione. La mia prima domanda è: quale variabile dovrebbe essere omessa? …
1
Metodo di indagine su questioni personali
Un mio amico statistico mi ha parlato di un'interessante tecnica utilizzata per ottenere risposte oneste su sondaggi che hanno affrontato questioni delicate. Ricordo l'essenza generale del metodo, ma mi chiedo se qualcuno conosce i dettagli e se si fa riferimento ovunque. La storia era che l'AMA della Florida voleva valutare …
2
Bootstrap parametrico, semiparametrico e non parametrico per modelli misti
I seguenti innesti sono presi da questo articolo . Sono un novizio di bootstrap e sto cercando di implementare il bootstrap bootstrap parametrico, semiparametrico e non parametrico per il modello misto lineare con R bootpacchetto. Codice R Ecco il mio Rcodice: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
1
Come montare il modello Bradley – Terry – Luce in R, senza formula complicata?
Il modello Bradley – Terry – Luce (BTL) afferma che , dove è la probabilità che l'oggetto sia giudicato "migliore", più pesanti, ecc., dell'oggetto , e e sono parametri.p i j j i δ i δ jpji=logit−1(δj−δi)pji=logit−1(δj−δi)p_{ji} = logit^{-1}(\delta_j - \delta_i)pijpijp_{ij}jjjiiiδiδi\delta_iδjδj\delta_j Questo sembra essere un candidato per la funzione glm, …
3
Gli effetti casuali possono essere applicati solo alle variabili categoriali?
Questa domanda può sembrare stupida, ma ... è corretto che gli effetti casuali possano applicarsi solo alle variabili categoriali (come id individuale, id popolazione, ...), ad esempio diciamo che è una variabile categoriale:Xioxix_i yioyiy_i ~βXioβxi\beta_{x_i} βXioβxi\beta_{x_i} ~No r m ( μ , δ2)Norm(μ,δ2)Norm(\mu, \delta^2) ma dal principio l' effetto casuale …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.