Domande taggate «link-function»

Qual è la differenza tra il modello Logit e Probit ? Sono più interessato qui a sapere quando usare la regressione logistica e quando usare Probit. Se c'è qualche letteratura che lo definisce usando R , anche questo sarebbe utile.

299 r  generalized-linear-model  logistic  probit  link-function 

Qual è la differenza tra i termini "funzione di collegamento" e "funzione di collegamento canonico"? Inoltre, ci sono dei vantaggi (teorici) nell'usare l'uno rispetto all'altro? Ad esempio, una variabile di risposta binaria può essere modellata utilizzando molte funzioni di collegamento come logit , probit , ecc. Tuttavia, logit qui è …

65 logistic  generalized-linear-model  link-function 

Sto cercando di capire la filosofia alla base dell'utilizzo di un modello lineare generalizzato (GLM) rispetto a un modello lineare (LM). Di seguito ho creato un set di dati di esempio in cui: log(y)=x+εlog⁡(y)=x+ε\log(y) = x + \varepsilon L'esempio non ha l'errore in funzione della grandezza di , quindi suppongo …

55 r  generalized-linear-model  linear-model  gamma-distribution  link-function 

Qual è lo scopo della funzione di collegamento come componente del modello lineare generalizzato? Perchè ne abbiamo bisogno? Wikipedia afferma: Può essere conveniente far corrispondere il dominio della funzione di collegamento all'intervallo della media della funzione di distribuzione Qual è il vantaggio di farlo?

35 regression  generalized-linear-model  link-function  irls 

Ho una domanda sulla semantica su cui vorrei esprimere le opinioni degli altri statistici. Sappiamo che modelli come la logistica, Poisson, ecc. Rientrano nell'ambito di modelli lineari generalizzati. Il modello include funzioni non lineari dei parametri, che possono a loro volta essere modellate utilizzando la struttura del modello lineare utilizzando …

23 logistic  generalized-linear-model  poisson-regression  nonlinear  link-function 

La precisione è definita come: p = true positives / (true positives + false positives) È corretto che, come true positivese false positivesavvicinarsi a 0, la precisione si avvicina a 1? Stessa domanda da ricordare: r = true positives / (true positives + false negatives) Attualmente sto implementando un test …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

Quasi tutto quello che ho letto di regressione lineare e GLM si riduce a questo: dove è una funzione non crescente o non decrescente di e è il parametro che si stimare e testare ipotesi su. Esistono dozzine di funzioni di collegamento e trasformazioni di e per rendere una funzione …

18 generalized-linear-model  nonlinear-regression  link-function 

Ho dati sulla densità dei pesci che sto cercando di confrontare tra diverse tecniche di raccolta, i dati hanno molti zeri e l'istogramma sembra molto appropriato per una distribuzione di poisson tranne per il fatto che, come densità, non sono dati interi. Sono relativamente nuovo per i GLM e ho …

17 regression  distributions  generalized-linear-model  link-function 

Ho pensato a questo problema. La normale funzione logistica per la modellazione di dati binari è: Comunque la funzione logit, che è una curva a forma di S, è sempre la migliore per modellare i dati? Forse hai motivo di credere che i tuoi dati non seguano la normale curva …

15 logistic  references  link-function 

Ho un modello lineare generalizzato che adotta una distribuzione gaussiana e una funzione log link. Dopo aver adattato il modello, controllo i residui: diagramma QQ, residui vs valori previsti, istogramma dei residui (riconoscendo che è necessaria la dovuta cautela). Sembra tutto a posto. Questo sembra suggerire (per me) che la …

14 regression  generalized-linear-model  link-function 

Sfondo: Sto cercando di seguire la recensione di Princeton della stima MLE per GLM . Capisco le basi di stima MLE: likelihood, score, osservato e atteso Fisher informatione la Fisher scoringtecnica. E so come giustificare la semplice regressione lineare con la stima MLE . La domanda: Non riesco a capire …

12 regression  generalized-linear-model  maximum-likelihood  link-function  irls 

Sto eseguendo una regressione di Poisson con l'obiettivo finale di confrontare (e prendere la differenza) la media prevista conta tra due livelli di fattore nel mio modello: , tenendo premuto altro modello covariate (che sono tutte binarie) costanti. Mi chiedevo se qualcuno potesse fornire alcuni consigli pratici su quando usare …

12 logistic  poisson-regression  link-function 

Dato lo stesso insieme di covariate e famiglie di distribuzione, come posso confrontare modelli con funzioni di collegamento diverse? Penso che la risposta corretta qui sia "AIC / BIC", ma non sono sicuro al 100%. È possibile avere modelli nidificati se hanno un collegamento diverso?

12 generalized-linear-model  aic  link-function 

Ho pensato che la funzione di collegamento canonico g(⋅)g(⋅)g(\cdot) provenga dal parametro naturale della famiglia esponenziale. Di ', considera la famiglia f(y,θ,ψ)=exp{yθ−b(θ)a(ψ)−c(y,ψ)}f(y,θ,ψ)=exp⁡{yθ−b(θ)a(ψ)−c(y,ψ)} f(y,\theta,\psi)=\exp\left\{\frac{y\theta-b(\theta)}{a(\psi)}-c(y,\psi)\right\} quindiθ=θ(μ)θ=θ(μ)\theta=\theta(\mu)è la funzione di collegamento canonico. Prendiamoad esempio ladistribuzione di Bernoulli, abbiamo P(Y=y)=μy(1−μ)1−y=exp{ylogμ1−μ+log(1−μ)}P(Y=y)=μy(1−μ)1−y=exp⁡{ylog⁡μ1−μ+log⁡(1−μ)} P(Y=y)=\mu^{y}(1-\mu)^{1-y}=\exp\left\{y\log\frac{\mu}{1-\mu}+\log{(1-\mu)}\right\} Quindi, la funzione di collegamento canonicog(μ)=logμ1−μg(μ)=log⁡μ1−μg(\mu)=\log\frac{\mu}{1-\mu} Ma quando vedo questa diapositiva , afferma …

12 generalized-linear-model  link-function 

Per un semplice esempio, supponiamo che ci siano due modelli di regressione lineare Modello 1 ha tre predittori, x1a, x2b, ex2c Il modello 2 ha tre predittori dal modello 1 e due predittori aggiuntivi x2aex2b Esiste un'equazione di regressione della popolazione in cui la varianza della popolazione spiegata è per …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc