タグ付けされた質問 「r-squared」

多重線形回帰を実現すると、R二乗と調整済みR二乗の信頼区間を計算できることを知っています。誰かがRでそれを行う方法を知っていますか？

8 r  confidence-interval  r-squared 

実験中に3回評価された10人の参加者の2つのグループがあります。グループ間および3つの評価全体の違いをテストするために、group（コントロール、実験）、time（最初、2、3）、およびを使用して2x3混合設計ANOVAを実行しましたgroup x time。両方timeとgroup有意な相互作用があったほか、重大な結果group x time。 グループメンバーシップに関しても、3回の評価の違いをさらにチェックする方法をよく知りません。実際、最初は、ANOVAのオプションで、ボンフェローニの補正を使用してすべての主要な効果を比較することだけを指定しました。しかし、この方法で、グループを区別せずに、サンプル全体の時間の違いをこのように比較したことに気付きましたね。 したがって、可能な解決策を見つけるためにインターネットでたくさん検索しましたが、結果はほとんどありませんでした。私と同じようなケースは2つしか見つかりませんでしたが、解決策は逆です！ 記事では、混合設計の後、著者らは被験者ごとに1つずつ、2回の反復測定ANOVAを事後的に実行しました。このようにして、2つのグループは修正なしで個別に分析されます。 インターネットのガイドでは、混合ANOVAの実行中に、SPSS構文のCOMPARE(time) ADJ(BONFERRONI)直後にを手動で追加すると述べています/EMMEANS=TABLES(newgroup*time)。このように、3つの時間はグループごとに個別に比較されます。ボンフェローニ補正を使用すると、私は正しいのでしょうか。 どう思いますか？どちらが正しい方法でしょうか？

8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 

フォワードステップワイズアプローチを使用して変数を選択する場合、最終モデルは可能な限り最高のを持つことが保証されますか？別の言い方をすれば、段階的アプローチは大域的最適または局所的最適のみを保証しますか？R2R2R^2 例として、10個の変数から選択して5変数モデルを作成する場合、ステップワイズアプローチで作成された最終的な5変数モデルは、可能なすべての5変数モデルの中で最も高いになります。建てられましたか？R2R2R^2 この質問は純粋に理論的であることに注意してください。つまり、高い値が最適かどうか、それがオーバーフィットにつながるかどうかなどについては議論していません。R2R2R^2

8 r-squared  stepwise-regression 

私のようなarimaオブジェクトがある場合a： set.seed(100) x1 <- cumsum(runif(100)) x2 <- c(rnorm(25, 20), rep(0, 75)) x3 <- x1 + x2 dummy = c(rep(1, 25), rep(0, 75)) a <- arima(x3, order=c(0, 1, 0), xreg=dummy) print(a) 。 Series: x3 ARIMA(0,1,0) Call: arima(x = x3, order = c(0, 1, 0), xreg = dummy) Coefficients: dummy 17.7665 s.e. …

8 r  regression  time-series  arima  r-squared 

SSR + SSE = SSTotalの関係が成立しないため、非線形二乗モデルではR-2乗が無効であることを読みました。これが真実である理由を誰かが説明できますか？ SSRとSSEは、回帰ベクトルと残差ベクトルの二乗ノルムであり、成分はそれぞれとです。これらのベクトルが互いに直交している限り、予測子の値を当てはめられた値にマップするために使用される関数の種類に関係なく、上記の関係が常に成り立つとは限りません。私トンの時間私thi^{th}（Y私^−Y¯）（Y私^−Y¯）(\hat{Y_i}-\bar{Y})（Y私−Y私^）（Y私−Y私^）(Y_i-\hat{Y_i}) さらに、最小二乗の定義により、任意の最小二乗モデルに関連付けられた回帰ベクトルと残差ベクトルは直交しませんか？残差ベクトルは、ベクトルと回帰ベクトルの差です。残差/差分ベクトルが直交しないような回帰ベクトルの場合、回帰ベクトルに定数を掛けて、残差/差分ベクトルと直交するようにすることができます。これにより、残差/差分ベクトルのノルムも減少します。（Y私−Y私¯）（Y私−Y私¯）(Y_i-\bar{Y_i}) これをうまく説明できなかった場合は、教えてください。明確にするように努めます。

8 least-squares  model  r-squared  nonlinear 

人のBMIと血圧など、特定の母集団で相関する2つの特性があるとします。そして、私がこの人口から選ばれたランダムに選択された人々のペアで、より高いBMIを持つ人がより高い血圧を持つ確率を推定したいとしましょう。ピアソン相関係数を知っている場合r（または同等のr ^ 2、BMIによって説明される血圧の分散の割合）、これを使用してその確率を取得できますか？そうでない場合、他の相関測定を使用して、またはそれらの間の関数関係についていくつかの簡略化仮定を使用して（たとえば、各個人の血圧が他のいくつかの独立変数とともにBMIの線形関数であると仮定して）、および/またはそれぞれの個人の分布（たとえば、BMIと血圧の両方が正常に分布していると仮定します）？

7 correlation  r-squared