タグ付けされた質問 「regression」

plot.lm関数を少し掘り始めました。この関数はlmに6つのプロットを提供します。 近似値に対する残差のプロット フィットされた値に対するsqrt（|残差|）のスケール-ロケーションプロット 通常のQQプロット、クックの距離と行ラベルのプロット レバレッジに対する残差のプロット レバレッジ/（1-レバレッジ）に対するクックの距離のプロット そして、私は現在のプロットの他の一般的な/有用な拡張が線形モデルにどのように存在するのか、そしてそれらをRでどのように行うことができるのでしょうか？（パッケージの記事へのリンクも歓迎します） そのため、boxcox関数（{MASS}から）は別の有用な診断プロットの例です（そのような答えはすばらしいでしょう）が、Rのlmの既存のデフォルト診断プロットのバリエーション/拡張についてもっと知りたいです（ただし、一般的なトピックに関する他の発言は常に歓迎されます）。 ここに私が意味することのいくつかの簡単な例があります： #Some example code for all of us to refer to set.seed(2542) x1 <- rnorm(100) x2 <- runif(100, -2,2) eps <- rnorm(100,0,2) y <- 1 + 2*x1 + 3*x2 + eps y[1:4] <- 14 # adding some contaminated points fit <- lm(y~x1+x2) …

11 r  regression  linear-model  diagnostic 

reg <- lm(y ~ x1 + x2, data=example)データセットでフォームの回帰を実行した後、次を使用して予測値を取得できます predict(reg, example, interval="prediction", level=0.95) 回帰を使用して実際のデータセットを予測しているときに、予測値が実際に何を参照しているのか疑問に思っています。元の値を取得すべきではありませんか？

11 r  regression 

背景：私は現在、細胞発現率のデータセットと格闘している生物統計学者です。この研究では、さまざまなドナーからグループで収集された多数の細胞を特定のペプチドに曝露しました。細胞は、応答して特定のバイオマーカーを発現するか、発現しません。次に、各ドナーグループの応答率が記録されます。応答率（パーセンテージで表される）は関心のある結果であり、ペプチド曝露が予測因子です。 観察はドナー内でクラスター化されることに注意してください。 私は要約データしか持っていないので、私は（少なくとも今のところ）ドナーごとの応答率を連続データとして扱っています。 複雑さは、データにゼロが多数あるという事実から生じます。無視するには多すぎます。ゼロの過剰と結びついて連続データを歪めているという事実に対処するために、ゼロインフレガンマモデルを検討しています。私はTobitモデルも検討しましたが、真のゼロとは対照的に、下限での打ち切りを想定しているため、これは劣っているように見えます（計量経済学者は区別が難しいと言うかもしれません）。 質問：一般的に、ゼロ膨張ガンマモデルを使用するのが適切なのはいつですか？つまり、前提条件は何ですか？そして、その推論をどのように解釈しますか？もしあれば、これを論じている論文へのリンクに感謝します。 私が見つけたSAS-L上のリンクデールMcLerranは、ゼロ膨張したガンマモデルのNLMIXEDコードを提供し、可能であるように思われるが。それにもかかわらず、私は盲目的に起訴することを嫌います。

11 regression  gamma-distribution  mixture  zero-inflation 

DVとして連続資産インデックス変数を使用してOLSモデルを実行しています。私のデータは、地理的に近い3つの類似したコミュニティから集約されています。それにもかかわらず、コミュニティを制御変数として使用することが重要だと思いました。結局のところ、コミュニティは1％レベルで有意です（tスコアは-4.52）。コミュニティは、3つの異なるコミュニティのうちの1つに対して、1,2,3としてコード化された名義/カテゴリ変数です。 私の質問は、この重要度の高さは、集合体としてではなく、コミュニティに対して個別に回帰を行うべきであることを意味するかどうかです。それ以外の場合は、コミュニティを制御変数として使用して、本質的にそうしていますか？

11 regression  categorical-data  stata  multiple-regression  aggregation 

私は、Rのgbmパッケージを使用していくつかの大きなデータセットを処理しています。予測子行列と応答ベクトルの両方がかなりスパースです（つまり、ほとんどのエントリがゼロです）。ここで行ったように、この疎性を利用するアルゴリズムを使用して決定木を構築したいと思っていました。その論文では、私の状況と同様に、ほとんどのアイテムは多くの可能な機能のほんの一部しか持っていないため、データで明示的に示されていない限り、アイテムに特定の機能がないと想定することで、多くの無駄な計算を回避できました。私の希望は、この種のアルゴリズムを使用して同様の高速化を実現できることです（そして、予測精度を向上させるために、ブースティングアルゴリズムをラップします）。 彼らは自分のコードを公開していないようだったので、この場合に最適化されたオープンソースのパッケージまたはライブラリ（任意の言語）があるかどうか疑問に思っていました。理想的には、RのMatrixパッケージからスパース行列を直接取得できるものを望みますが、取得できるものは取得します。 私は周りを見回しました、そしてこの種のものはそこにあるはずです： 化学者はこの問題に頻繁に遭遇するようです（上でリンクした論文は、新しい薬物化合物を見つけることを学ぶことに関するものでした）。ただし、そのうちの1つを転用することもできます。 ドキュメント分類は、スパースフィーチャスペースからの学習が役立つ領域でもあるようです（ほとんどのドキュメントにはほとんどの単語が含まれていません）。たとえば、このペーパーでは、C4.5（CARTのようなアルゴリズム）のスパース実装への斜めの参照がありますが、コードはありません。 メーリングリストによると、WEKAはスパースデータを受け入れることができますが、上記でリンクした論文の方法とは異なり、WEKAはCPUサイクルの浪費を回避するという点で実際にそれを利用するように最適化されていません。 前もって感謝します！

11 r  regression  machine-learning  classification  cart 

多重線形回帰における変数のサブセットの古典的なF検定は、 ここで、は、「縮小」モデルの下での二乗誤差の合計であり、「大きな」モデル内にネストし、は、 2つのモデル。'big'モデルの追加の変数には線形の説明力がないという帰無仮説では、統計量はおよびの自由度を持つFとして分布されます。SSE（R）BdfdfR−dfBdfBF= （SSE（R ）− SSE（B ））/（dfR− dfB）SSE（B） / dfB、F=(SSE(R)−SSE(B))/(dfR−dfB)SSE(B)/dfB, F = \frac{(\mbox{SSE}(R) - \mbox{SSE}(B))/(df_R - df_B)}{\mbox{SSE}(B)/df_B}, SSE（R）SSE(R)\mbox{SSE}(R)BBBdfdfdfdfR− dfBdfR−dfBdf_R - df_BdfBdfBdf_B しかし、代替案の下での分布はどうですか？私はそれが非中心Fであると思います（二重非中心ではないことを願っています）が、非中心パラメーターが正確に何であるかについての参照は見つかりません。私はそれが真の回帰係数、おそらくは計画行列に依存すると推測しますが、それを超えると私はよくわかりません。Xββ\betaバツXX

11 regression  hypothesis-testing  power-analysis  non-central  f-distribution 

Rでは、私が書いた場合 lm(a ~ b + c + b*c) これはまだ線形回帰でしょうか？ Rで他の種類の回帰を行う方法は？教科書やチュートリアルについて何かアドバイスがあれば教えてください。

11 r  regression 

両方の二乗平均平方根と平均絶対偏差は変動の大きさ（変量は、VEのと-veの両方+である場合は特に）の測定のように見えます。それらのいずれかを選択するための経験則は何ですか？

11 regression  standard-deviation 

ポアソン分布を使用して、連続データと離散データを分析できますか？ 応答変数が連続であるいくつかのデータセットがありますが、正規分布ではなくポアソン分布に似ています。ただし、ポアソン分布は離散分布であり、通常は数値またはカウントに関係しています。

11 distributions  regression  poisson-distribution  continuous-data 

データがあるとしましょう： x1 <- rnorm(100,2,10) x2 <- rnorm(100,2,10) y <- x1+x2+x1*x2+rnorm(100,1,2) dat <- data.frame(y=y,x1=x1,x2=x2) res <- lm(y~x1*x2,data=dat) summary(res) x1がX軸上にあり、x2が3本の線で表されるように、連続的な相互作用による連続をプロットしたいと思います。 Zスコアは-1で、各線は個別の色でラベル付けされています。ggplot2を使用してこれを行うにはどうすればよいですか？ たとえば、次のようになります（もちろん、線の種類が異なるのではなく、色付きの線が異なります）。

11 r  regression  ggplot2  interaction 

単純な線形相関を1年生に（視覚的に）説明する方法を探しています。 視覚化する古典的な方法は、Y〜X散布図に直線回帰直線を与えることです。 最近、プロットに3つの画像を追加してこのタイプのグラフィックスを拡張するというアイデアに思いつきました：y〜1の散布図、次にy〜xの散布図、resid（y〜x）〜x、そして最後に残差の（y〜x）〜1（平均値の中心） このような視覚化の例を次に示します。 そしてそれを生成するRコード： set.seed(345) x <- runif(50) * 10 y <- x +rnorm(50) layout(matrix(c(1,2,2,2,2,3 ,3,3,3,4), 1,10)) plot(y~rep(1, length(y)), axes = F, xlab = "", ylim = range(y)) points(1,mean(y), col = 2, pch = 19, cex = 2) plot(y~x, ylab = "", ) abline(lm(y~x), col = 2, lwd = …

11 r  data-visualization  regression  correlation 

野球をフォローしている人なら誰でも、トロントのホセバウティスタのどこからともなくMVPタイプのパフォーマンスについて聞いたことがあるでしょう。前の4年間で、彼はシーズンあたり約15のホームランを打った。昨年彼は54を打った、野球の歴史の中でわずか12人の選手を超えた数。 2010年には240万ドルが支払われ、2011年にはチームに1,050万ドルを要求しています。760万ドルを提供しています。彼が2011年にそれを繰り返すことができれば、彼はどちらかの額に値するでしょう。しかし、彼が繰り返す確率は何ですか？私たちは彼が平均に後退することをどれほど難しいと期待できますか？彼のパフォーマンスのうちどれだけが偶然によるものであると期待できますか？彼の平均への回帰調整後の2010年の合計は何になると予想できますか？どうすれば解決できますか？ 私はLahman Baseball Databaseをいじくり回しており、シーズンごとに少なくとも50打席があった過去5シーズンのすべてのプレーヤーのホームランの合計を返すクエリを絞り出しました。 テーブルは次のようになります（行10のJose Bautistaに注意） first last hr_2006 hr_2007 hr_2008 hr_2009 hr_2010 1 Bobby Abreu 15 16 20 15 20 2 Garret Anderson 17 16 15 13 2 3 Bronson Arroyo 2 1 1 0 1 4 Garrett Atkins 29 25 21 9 1 5 Brad Ausmus 2 …

11 r  regression  modeling 

私は最近、同じ予測子/応答データに対して4つの多重回帰モデルを当てはめました。私がポアソン回帰で近似した2つのモデル。 model.pois <- glm(Response ~ P1 + P2 +...+ P5, family=poisson(), ...) model.pois.inter <- glm(Response ~ (P1 + P2 +...+ P5)^2, family=poisson(), ...) 私が負の二項回帰で近似するモデルの2つ。 library(MASS) model.nb <- glm.nb(Response ~ P1 + P2 +...+ P5, ...) model.nb.inter <- glm.nb(Response ~ (P1 + P2 +...+ P5)^2, ...) これらのモデルを比較するために使用できる統計検定はありますか？私はAICをフィットの尺度として使用してきましたが、これは実際のテストを表すものではありません。

11 regression  aic  count-data  likelihood-ratio  model-comparison 

閉まっている。この質問はトピックから外れています。現在、回答を受け付けていません。 この質問を改善してみませんか？ 質問を更新することがありますので、話題のクロス検証済みのため。 昨年休業。 座標降下による線形回帰のなげなわ正規化パスを計算できる、どの言語のオープンソース実装も存在しますか？ これまでのところ私は知っています： glmnet scikits.learn 他に何かありますか？

11 regression  lasso  regularization 

Facebookの預言者について私が読んだのは、時系列を基本的にトレンドと季節性に分解することです。たとえば、加法モデルは次のように記述されます。 y(t)=g(t)+s(t)+h(t)+ety(t)=g(t)+s(t)+h(t)+et y(t) = g(t) + s(t) + h(t) + e_t と ttt時間を g(t)g(t)g(t)トレンド（線形またはロジスティック） s(t)s(t)s(t)季節性（毎日、毎週、毎年...） h(t)h(t)h(t)休日 etete_tエラー 私の質問は次のとおりです。単純な線形回帰でそれを行うことはできませんか？それらを比較すると、結果の点でどのような違いがありますか、そしてなぜですか？

11 regression  machine-learning  time-series  prophet