Domande taggate «generalized-linear-model»

Una generalizzazione della regressione lineare che consente alle relazioni non lineari tramite una "funzione di collegamento" e che la varianza della risposta dipenda dal valore previsto. (Da non confondere con il "modello lineare generale" che estende il modello lineare ordinario alla struttura generale della covarianza e alla risposta multivariata.)

1
Interpretazione degli effetti fissi della regressione logistica a effetti misti
Sono confuso dalle dichiarazioni di una pagina web dell'UCLA sulla regressione logistica a effetti misti. Mostrano una tabella di coefficienti di effetti fissi dall'adattamento di tale modello e il primo paragrafo belows sembra interpretare i coefficienti esattamente come una normale regressione logistica. Ma poi quando parlano di odds ratio, dicono …
1
Log Probabilità per GLM
Nel codice seguente eseguo una regressione logistica su dati raggruppati usando glm e "a mano" usando mle2. Perché la funzione logLik in R mi dà una probabilità di log logLik (fit.glm) = - 2.336 che è diverso da quello logLik (fit.ml) = - 5.514 che ottengo a mano? library(bbmle) #successes …
4
Modello di storia degli eventi a tempo discreto (Sopravvivenza) in R
Sto cercando di adattare un modello a tempo discreto in R, ma non sono sicuro di come farlo. Ho letto che puoi organizzare la variabile dipendente in diverse righe, una per ogni osservazione temporale e utilizzare la glmfunzione con un collegamento logit o cloglog. In questo senso, ho tre colonne: …
10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 
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 
2
Se utilizzare un offset in una regressione di Poisson quando si prevedono obiettivi di carriera totali segnati dai giocatori di hockey
Ho una domanda riguardante chi deve o non usare un offset. Assumi un modello molto semplice, in cui vuoi descrivere il numero (complessivo) di goal nell'hockey. Quindi hai goal, numero di partite giocate e una variabile fittizia "attaccante" che è uguale a 1 se il giocatore è un attaccante e …
1
Output del modello logistico in R
Sto cercando di interpretare il seguente tipo di modello logistico: mdl <- glm(c(suc,fail) ~ fac1 + fac2, data=df, family=binomial) L'output delle predict(mdl)probabilità di successo previste per ciascun punto dati? Esiste un modo semplice per tabulare le probabilità per ogni livello di fattore del modello, piuttosto che tutti i punti dati?
1
Regressione lineare vs RKHS regolarizzata
Sto studiando la differenza tra regolarizzazione nella regressione RKHS e regressione lineare, ma faccio fatica a capire la differenza cruciale tra i due. ( xio, yio)(xi,yi)(x_i,y_i)f( ⋅ )f(⋅)f(\cdot)f( x ) ≈ u ( x ) = ∑i = 1mαioK( x , xio) ,f(x)≈u(x)=∑i=1mαiK(x,xi),\begin{equation}f(x)\approx u(x)=\sum_{i=1}^m \alpha_i K(x,x_i),\end{equation}K( ⋅ , ⋅ )K(⋅,⋅)K(\cdot,\cdot)αmαm\alpha_mminα …
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.