Domande taggate «regression»

Tecniche per l'analisi della relazione tra una (o più) variabili "dipendenti" e variabili "indipendenti".

3
Calcolo dei valori di p in minimi quadrati vincolati (non negativi)
Ho usato Matlab per eseguire minimi quadrati non vincolati (minimi quadrati ordinari) e produce automaticamente i coefficienti, le statistiche di test e i valori p. La mia domanda è, quando si eseguono minimi quadrati vincolati (coefficienti strettamente non negativi), si ottengono solo i coefficienti, SENZA statistiche di test, valori p. …
2
Perché la pendenza è sempre esattamente 1 quando si regrediscono gli errori sui residui usando OLS?
Stavo sperimentando la relazione tra gli errori e i residui usando alcune semplici simulazioni in R. Una cosa che ho scoperto è che, indipendentemente dalla dimensione del campione o dalla varianza dell'errore, ottengo sempre esattamente per la pendenza quando si adatta il modello111 errors∼β0+β1×residualserrors∼β0+β1×residuals {\rm errors} \sim \beta_0 + \beta_1 …
1
Perché sto ottenendo previsioni diverse per l'espansione polinomiale manuale e usando la funzione R `poly`?
Perché ricevo previsioni diverse per l'espansione polinomiale manuale e l'utilizzo della polyfunzione R ? set.seed(0) x <- rnorm(10) y <- runif(10) plot(x,y,ylim=c(-0.5,1.5)) grid() # xp is a grid variable for ploting xp <- seq(-3,3,by=0.01) x_exp <- data.frame(f1=x,f2=x^2) fit <- lm(y~.-1,data=x_exp) xp_exp <- data.frame(f1=xp,f2=xp^2) yp <- predict(fit,xp_exp) lines(xp,yp) # using poly …
2
L'indipendenza media condizionale implica imparzialità e coerenza dello stimatore OLS
Considera il seguente modello di regressione multipla:Y=Xβ+Zδ+U.(1)(1)Y=Xβ+Zδ+U.Y=X\beta+Z\delta+U.\tag{1} Qui YYY è un vettore di colonna n×1n×1n\times 1 ; Matrice XXX a n×(k+1)n×(k+1)n\times (k+1) ; ββ\beta a (k+1)×1(k+1)×1(k+1)\times 1 colonna vettore; ZZZ a n×ln×ln\times l matrice; δδ\delta a l×1l×1l\times 1 colonna vettore; e UUU , il termine di errore, un vettore di …
1
Replica dei risultati per la regressione lineare glmnet utilizzando un ottimizzatore generico
Come afferma il titolo, sto cercando di replicare i risultati di glmnet linear usando l'ottimizzatore LBFGS della libreria lbfgs. Questo ottimizzatore ci consente di aggiungere un termine regolarizzatore L1 senza doversi preoccupare della differenziabilità, purché la nostra funzione obiettivo (senza il termine regolarizzatore L1) sia convessa. Il problema della regressione …
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.