Usando R su alcuni dati e cercando di vedere se i miei dati sono eteroscedastici, ho trovato due implementazioni del test Breusch-Pagan, bptest (pacchetto lmtest) e ncvTest (pacchetto auto). Tuttavia, questi producono risultati diversi. Qual è la differenza tra i due? Quando dovresti scegliere di usare l'uno o l'altro? > …
In questo documento , ( Bayesian Inference for Variance Components Using Only Error Contrasts , Harville, 1974), l'autore afferma per essere un "noto relazione ", per una regressione lineare dove \ epsilon \ sim \ mathcal {N} (0, H).(y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y−Xβ)′H−1(y−Xβ)=(y−Xβ^)′H−1(y−Xβ^)+(β−β^)′(X′H−1X)(β−β^)(y-X\beta)'H^{-1}(y-X\beta)=(y-X\hat\beta)'H^{-1}(y-X\hat\beta)+(\beta-\hat\beta)'(X'H^{-1}X)(\beta-\hat\beta)y=Xβ+ϵ,y=Xβ+ϵ,y=X\beta+\epsilon,ϵ∼N(0,H).ϵ∼N(0,H).\epsilon\sim\mathcal{N}(0, H). Come è noto questo? Qual è il modo più semplice …
So che OLS è imparziale ma non efficiente sotto l'eteroscedasticità in una regressione lineare. In Wikipedia http://en.wikipedia.org/wiki/Minimum_mean_square_error Lo stimatore MMSE è asintoticamente imparziale e converge nella distribuzione alla distribuzione normale: , dove I (x) è l'informazione di Fisher di x. Pertanto, lo stimatore MMSE è asintoticamente efficiente.n--√( x^- x ) …
Ho dati dal seguente disegno sperimentale: le mie osservazioni sono conteggi del numero di successi ( K) rispetto al corrispondente numero di prove ( N), misurato per due gruppi ciascuno composto da Iindividui, da Ttrattamenti, dove in ciascuna di tali combinazioni di fattori ci sono Rrepliche . Quindi, nel complesso, …
Nel metodo dei minimi quadrati vogliamo stimare i parametri sconosciuti nel modello: Yj= α + βXj+ εj( j = 1 ... n )Yj=α+βxj+εj(j=1...n)Y_j = \alpha + \beta x_j + \varepsilon_j \enspace (j=1...n) Una volta che lo abbiamo fatto (per alcuni valori osservati), otteniamo la linea di regressione adattata: Yj= α^+ …
Ho un set di dati di esempio come segue: Volume <- seq(1,20,0.1) var1 <- 100 x2 <- 1000000 x3 <- 30 x4 = sqrt(x2/pi) H = x3 - Volume r = (x4*H)/(H + Volume) Power = (var1*x2)/(100*(pi*Volume/3)*(x4*x4 + x4*r + r*r)) Power <- jitter(Power, factor = 1, amount = 0.1) …
Ho difficoltà a distinguere tra i concetti di scedasticità e stazionarietà. A quanto ho capito, l'eteroscedasticità è una variabilità differenziata nelle sottopopolazioni e la non stazionarietà è una media / varianza che cambia nel tempo. Se questa è una comprensione corretta (sebbene semplicistica), la non stazionarietà è semplicemente un caso …
Supponiamo che io osservi vettori variabili indipendenti e e la variabile dipendente . Vorrei adattarmi a un modello del modulo: dove è una funzione a doppia differenziazione a valore positivo, è un parametro di ridimensionamento sconosciuto e è una variabile casuale gaussiana a media zero a varianza unitaria (considerata indipendente …
Voglio eseguire correlazioni su una serie di misurazioni in cui sono state utilizzate le scale Likert. Osservando i grafici a dispersione sembra che le ipotesi di linearità e omoscedasticità possano essere state violate. Dato che sembra esserci un dibattito sul rating del livello ordinale che si avvicina al ridimensionamento del …
In Rposso eseguire un test Breusch-Pagan per l'eteroscedasticità usando la ncvTestfunzione del carpacchetto. Un test Breusch – Pagan è un tipo di test chi quadrato. Come interpretare questi risultati: > require(car) > set.seed(100) > x1 = runif(100, -1, 1) > x2 = runif(100, -1, 1) > ncvTest(lm(x1 ~ x2)) Non-constant …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.