Câu hỏi được gắn thẻ «generalized-linear-model»

Một khái quát về hồi quy tuyến tính cho phép các mối quan hệ phi tuyến thông qua "hàm liên kết" và cho phương sai của đáp ứng phụ thuộc vào giá trị dự đoán. (Không nên nhầm lẫn với "mô hình tuyến tính tổng quát" mở rộng mô hình tuyến tính thông thường sang cấu trúc hiệp phương sai chung và đáp ứng đa biến.)







1
bayesglm (cánh tay) so với MCMCpack
Cả bayesglm()(trong gói arm R) và các chức năng khác nhau trong gói MCMCpack đều nhằm mục đích ước tính Bayesian cho các mô hình tuyến tính tổng quát, nhưng tôi không chắc chúng thực sự đang tính toán cùng một thứ. Các hàm MCMCpack sử dụng chuỗi Markov Monte …



3
Làm thế nào để có được khoảng tin cậy về thay đổi bình phương dân số
Vì một ví dụ đơn giản, giả sử rằng có hai mô hình hồi quy tuyến tính Mô hình 1 có ba dự đoán, x1a, x2b, vàx2c Mô hình 2 có ba dự đoán từ mô hình 1 và hai dự đoán bổ sung x2avàx2b Có một phương trình hồi …

1
Tôi đăng nhập biến đổi biến phụ thuộc của mình, tôi có thể sử dụng phân phối bình thường GLM với chức năng liên kết LOG không?
Tôi có một câu hỏi liên quan đến Mô hình tuyến tính tổng quát (GLM). Biến phụ thuộc của tôi (DV) là liên tục và không bình thường. Vì vậy, tôi đăng nhập đã chuyển đổi nó (vẫn không bình thường nhưng đã cải thiện nó). Tôi muốn liên kết …

1
Cái nào chính xác hơn glm hay glmnet?
R glm và glmnet sử dụng các thuật toán khác nhau. Tôi nhận thấy sự khác biệt không nhỏ giữa các hệ số ước tính khi tôi sử dụng cả hai. Tôi quan tâm đến khi cái này chính xác hơn cái khác và thời gian để giải quyết / …


2
Sự khác biệt giữa hồi quy tuyến tính biến đổi logit, hồi quy logistic và mô hình hỗn hợp logistic là gì?
Giả sử tôi có 10 học sinh, mỗi học sinh cố gắng giải 20 bài toán. Các vấn đề được chấm điểm chính xác hoặc không chính xác (theo longdata) và hiệu suất của mỗi học sinh có thể được tóm tắt bằng một thước đo chính xác (trong subjdata). …

1
Tại sao Anova () và drop1 () cung cấp các câu trả lời khác nhau cho GLMM?
Tôi có một GLMM có dạng: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Khi tôi sử dụng drop1(model, test="Chi"), tôi nhận được kết quả khác với nếu tôi sử dụng Anova(model, type="III")từ gói xe hơi hoặc summary(model). Hai cái sau cho cùng một …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.