Statistiche e Big Data least-squares

2

Supponiamo la seguente relazione lineare: , dove è la variabile dipendente, una singola variabile indipendente e il termine di errore.Y i X i u iYio= β0+ β1Xio+ uioYi=β0+β1Xi+uiY_i = \beta_0 + \beta_1 X_i + u_iYioYiY_iXioXiX_iuiouiu_i Secondo Stock & Watson (Introduzione all'econometria; capitolo 4 ), il terzo presupposto dei minimi quadrati …

9 regression least-squares assumptions bias consistency

1

Modello lineare in cui i dati hanno incertezza, usando R

Diciamo che ho dei dati con qualche incertezza. Per esempio: X Y 1 10±4 2 50±3 3 80±7 4 105±1 5 120±9 La natura dell'incertezza potrebbe essere la ripetizione di misurazioni o esperimenti, o l'incertezza dello strumento di misurazione, ad esempio. Vorrei adattarci ad una curva usando R, qualcosa che …

9 r least-squares error-propagation

1

Definizione dei pesi minimi quadrati ponderati: funzione R lm vs.

Qualcuno potrebbe dirmi perché sto ottenendo risultati diversi dai Rminimi quadrati ponderati e dalla soluzione manuale per operazione a matrice ? In particolare, sto cercando di risolvere manualmente , dove è la matrice diagonale sui pesi, è la matrice di dati, è la risposta vettore. W A bW A x …

9 r regression least-squares weighted-regression weighted-data

1

Che cosa è ordinario, nei minimi quadrati ordinari?

Di recente un mio amico mi ha chiesto cosa c'è di così ordinario nei minimi quadrati ordinari. Sembra che non siamo arrivati da nessuna parte nella discussione. Siamo entrambi d'accordo sul fatto che OLS è un caso speciale del modello lineare, ha molti usi, è ben noto ed è un …

9 regression linear-model least-squares terminology

2

OLS è asintoticamente efficiente sotto l'eteroscedasticità

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 ) …

9 least-squares heteroscedasticity efficiency

2

Come si relazionano i residui ai disturbi sottostanti?

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^+ …

9 regression least-squares residuals heteroscedasticity assumptions

1

Applicare la regressione della cresta per un sistema di equazioni indefinito?

Quando , il problema dei minimi quadrati che impone una restrizione sferica sul valore di può essere scritto come per un sistema indefinito. \ | \ cdot \ | _2 è la norma euclidea di un vettore.y=Xβ+ey=Xβ+ey = X\beta + eδδ\deltaββ\betamin ∥y−Xβ∥22s.t. ∥β∥22≤δ2min⁡ ‖y−Xβ‖22s.t.⁡ ‖β‖22≤δ2\begin{equation} \begin{array} &\operatorname{min}\ \| y - …

9 regression least-squares regularization ridge-regression underdetermined

1

In base a quali ipotesi il metodo dei minimi quadrati ordinario fornisce stimatori efficienti e imparziali?

È vero che, secondo le assunzioni di Gauss Markov, il metodo ordinario dei minimi quadrati fornisce stimatori efficienti e imparziali? Così: E(ut)=0E(ut)=0E(u_t)=0 per tuttottt E(utus)=σ2E(utus)=σ2E(u_tu_s)=\sigma^2 pert=st=st=s E(utus)=0E(utus)=0E(u_tu_s)=0 pert≠st≠st\neq s dove sono i residui.uuu

9 regression self-study least-squares

2

Teorema di Gauss-Markov: BLU e OLS

Sto leggendo il teorema di Guass-Markov su Wikipedia , e speravo che qualcuno potesse aiutarmi a capire il punto principale del teorema. Supponiamo che un modello lineare, in forma di matrice, sia dato da: e stiamo cercando il BLU, .y=Xβ+ηy=Xβ+η y = X\beta +\eta βˆβ^ \widehat\beta In base a ciò …

9 regression least-squares mse blue

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

2

Perché non usare la variabile strumentale direttamente come covariata nella regressione?

So che questa è una domanda sciocca, poiché conosco la teoria delle variabili strumentali e la regressione a due stadi. Tuttavia, non ho mai visto una risposta chiara a quanto segue: supponiamo di avere endogeneità a causa della variabile non osservata correlata con uno dei regressori iniziali. Il modo tipico …

8 regression least-squares instrumental-variables

Domande taggate «least-squares»