Câu hỏi được gắn thẻ «multilevel-analysis»

Phân tích thống kê các bộ dữ liệu bao gồm một số cấp bậc (ví dụ: học sinh được lồng trong các lớp được lồng trong trường học hoặc dự báo phân cấp). Đối với các câu hỏi về mô hình hỗn hợp, sử dụng thẻ [mô hình hỗn hợp]. Đối với các hiệu ứng ngẫu nhiên lồng nhau, sử dụng [dữ liệu lồng nhau].

1
Hiệu ứng ngẫu nhiên giao nhau và lồng nhau: chúng khác nhau như thế nào và chúng được chỉ định chính xác trong lme4 như thế nào?
Đây là cách tôi đã hiểu các hiệu ứng ngẫu nhiên lồng nhau và chéo: Hiệu ứng ngẫu nhiên lồng nhau xảy ra khi một yếu tố cấp thấp hơn chỉ xuất hiện trong một cấp độ cụ thể của một yếu tố cấp trên. Ví dụ, học sinh trong …
8
Tạo một biến ngẫu nhiên có tương quan xác định với (các) biến hiện có
Đối với một nghiên cứu mô phỏng tôi phải tạo ra các biến ngẫu nhiên cho thấy mối tương quan (dân số) được bắt đầu với một biến hiện có .YYY Tôi đã xem xét các Rgói copulavà CDVinecó thể tạo ra các phân phối đa biến ngẫu nhiên với …
5
Cách xử lý dữ liệu phân cấp / lồng nhau trong học máy
Tôi sẽ giải thích vấn đề của tôi bằng một ví dụ. Giả sử bạn muốn dự đoán thu nhập của một cá nhân được cung cấp một số thuộc tính: {Tuổi, Giới tính, Quốc gia, Vùng, Thành phố}. Bạn có một tập dữ liệu đào tạo như vậy train …
29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 
1
Độ tự do có thể là một số không nguyên?
Khi tôi sử dụng GAM, nó mang lại cho tôi DF còn lại là (dòng cuối cùng trong mã). Điều đó nghĩa là gì? Vượt ra ngoài ví dụ về GAM, nói chung, số bậc tự do có thể là một số không nguyên?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula …
27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 
2
Tại sao một
Lý lịch Một trong những phổ biến nhất là sử dụng yếu trước khi vào đúng là nghịch đảo-gamma với các thông số (Gelman 2006) .α=0.001,β=0.001α=0.001,β=0.001\alpha =0.001, \beta=0.001 Tuy nhiên, phân phối này có một CI 90% khoảng .[3×1019,∞][3×1019,∞][3\times10^{19},\infty] library(pscl) sapply(c(0.05, 0.95), function(x) qigamma(x, 0.001, 0.001)) [1] 3.362941e+19 Inf Từ …
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookie và Chính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.