Câu hỏi được gắn thẻ «multiple-regression»

Hồi quy bao gồm hai hoặc nhiều biến độc lập không liên tục.

1
R / mgcv: Tại sao các sản phẩm tenor te () và ti () tạo ra các bề mặt khác nhau?
Các mgcvgói cho Rcó hai chức năng cho phù hợp tương tác sản phẩm tensor: te()và ti(). Tôi hiểu sự phân công lao động cơ bản giữa hai người (phù hợp với sự tương tác phi tuyến tính so với việc phân tách tương tác này thành các hiệu ứng …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
2
Làm thế nào để thực hiện phân tích dư cho các yếu tố dự đoán độc lập nhị phân / nhị phân trong hồi quy tuyến tính?
Tôi đang thực hiện nhiều hồi quy tuyến tính dưới đây trong R để dự đoán lợi nhuận của quỹ được quản lý. reg <- lm(formula=RET~GRI+SAT+MBA+AGE+TEN, data=rawdata) Ở đây chỉ GRI & MBA là các yếu tố dự đoán nhị phân / nhị phân; các dự đoán còn lại là …
4
Sự khác biệt giữa các kỹ thuật nghịch đảo vuông và giả nhỏ nhất cho hồi quy tuyến tính là gì?
Tôi đang tự hỏi sự khác biệt giữa chúng. Về cơ bản, họ làm cùng một công việc khi kết thúc việc tìm các hệ số của các tham số, nhưng chúng trông chỉ khác nhau theo cách chúng ta tìm thấy các hệ số. Đối với tôi, phương pháp …
2
Độc lập trung bình có điều kiện ngụ ý không thiên vị và nhất quán của công cụ ước tính OLS
Hãy xem xét mô hình hồi quy bội sau:Y=Xβ+Zδ+U.(1)(1)Y=Xβ+Zδ+U.Y=X\beta+Z\delta+U.\tag{1} Ở đây là một vectơ cột; Ma trận a ; a vectơ cột; Ma trận a ; a vectơ cột; và , thuật ngữ lỗi, vectơ cột .YYYn×1n×1n\times 1XXXn×(k+1)n×(k+1)n\times (k+1)ββ\beta(k+1)×1(k+1)×1(k+1)\times 1ZZZn×ln×ln\times lδδ\deltal×1l×1l\times 1UUUn×1n×1n\times1 CÂU HỎI Giảng viên của tôi, sách giáo …
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 
4
Tại sao sử dụng các biến kiểm soát trong sự khác biệt?
Tôi có một câu hỏi về cách tiếp cận khác biệt với phương trình chuẩn sau: trong đó điều trị là một biến giả cho nhóm được điều trị và bài. y=a+b1treat+b2post+b3treat⋅post+uy=a+b1treat+b2post+b3treat⋅post+u y= a + b_1\text{treat}+ b_2\text{post} + b_3\text{treat}\cdot\text{post} + u Bây giờ, câu hỏi của tôi rất đơn giản: …
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.