タグ付けされた質問 「regression」

バイナリ時系列をモデル化するための通常のアプローチは何ですか？これを扱った紙や教科書はありますか？強い自己相関を持つバイナリプロセスについて考えます。ゼロから始まるAR（1）プロセスの記号のようなもの。セイと ホワイトノイズの。次に、定義され たバイナリ時系列 が自己相関を示します。これは、次のコードで説明します。バツ0= 0X0=0X_0 = 0バツt + 1= β1バツt+ ϵt、Xt+1=β1Xt+ϵt, X_{t+1} = \beta_1 X_t + \epsilon_t, εtϵt\epsilon_t（Yt）T ≥ 0(Yt)t≥0(Y_t)_{t \ge 0}Yt= 記号（Xt）Yt=符号（バツt） Y_t = \text{sign}(X_t) set.seed(1) X = rep(0,100) beta = 0.9 sigma = 0.1 for(i in 1:(length(X)-1)){ X[i+1] =beta*X[i] + rnorm(1,sd=sigma) } acf(X) acf(sign(X)) バイナリデータを取得し、重要な自己相関があることがわかっている場合、テキストブック/通常のモデリングアプローチとは何ですか？YtYtY_t 外部のリグレッサや季節的なダミーの場合、ロジスティック回帰を実行できると思いました。しかし、純粋な時系列アプローチとは何ですか？ 編集：正確に言うと、sign（X）が最大4つのラグに対して自己相関していると仮定しましょう。これは次数4のマルコフモデルであり、それでフィッティングおよび予測できますか？ 編集2：その間、私は時系列のグラムを偶然見つけました。これらは、説明変数が遅れた観測と外部リグレッサであるglmsです。ただし、これはポアソンおよび負の二項分布カウントに対して行われるようです。ポアソン分布を使用してベルヌーイを近似できます。これに対する明確な教科書的アプローチはないのでしょうか。 …

10 regression  time-series  logistic  binary-data  autoregressive 

ベイジアン線形回帰を実行する場合、勾配と切片事前分布を割り当てる必要があります。以来、、それが前に均一に割り当てることは理にかなって位置パラメータです。しかし、私はがスケールパラメータに似ているように見え、その前にユニフォームを割り当てるのは不自然に思われます。b b aaaabbbbbbaaa 一方で、線形回帰の傾きに通常の有益ではないジェフリー事前分布（）を割り当てることはまったく適切ではないようです。一つには、それは否定的なことができます。しかし、私はそれが他に何であるかを見ることができません。1 / a1/a1/a では、ベイジアン線形回帰の傾きの事前の「適切な」非情報とは何でしょうか。（参考文献をいただければ幸いです。）

10 regression  bayesian  uninformative-prior 

この投稿に対応するものとして、私は連続変数を使用したデータのシミュレーションに取り組み、相関する切片と勾配を利用しました。 このトピックに関するサイトやサイト外への投稿はたくさんありますが、実際の単純なシナリオに対応するシミュレーションデータを使った最初から最後までの例を見つけるのは困難でした。 したがって、問題は、これらのデータをどのようにシミュレートし、で「テスト」するかlmerです。多くの人にとって新しいものはありませんが、混合モデルを理解するために検索している他の多くの人にとっておそらく有用です。

10 regression  mixed-model  lme4-nlme 

指数分布する尤度関数を再パラメーター化しようとしていると仮定します。私の元の尤度関数が： p （y| θ ）= θ E- θ Yp(y∣θ)=θe−θy p(y \mid \theta) = \theta e^{-\theta y} そして、私はϕ = 1を使用してそれを再パラメータ化したいと思います、θは確率変数ではなくパラメーターなので、プラグインするだけで十分ですか？ϕ = 1θϕ=1θ\phi = \frac{1}{\theta}θθ\theta 私が明示的に言っているのは： p （y∣ ϕ = 1θ） = 1φe− 1φyp(y∣ϕ=1θ)=1ϕe−1ϕy p\left(y \mid \phi = \frac{1}{\theta}\right) = \frac{1}{\phi} e^{-\frac{1}{\phi} y} もしそうなら、私はこれの背後にある理論が何であるかわかりません。私の理解では、尤度関数はパラメーターの関数であるため、変数の変更式を使用する必要がないのはなぜですか。どんな助けでも本当に感謝します、ありがとう！

10 regression  bayesian  mathematical-statistics 

この論文（PubMedの中心を介して自由に入手可能）、著者らは、0-40を獲得10項目スクリーニング機器でスコアをモデル化するために負の二項回帰を使用します。この手順ではカウントデータを想定していますが、ここでは明らかにそうではありません。私の仕事では同じ楽器や類似の楽器を使用することがあるので、このアプローチが受け入れられるかどうかについてあなたの意見をお願いします。そうでない場合は、許容できる代替案があるかどうか知りたいのですが。以下の詳細： 使用されている尺度は、アルコール使用障害の識別テスト（AUDIT）です。これは、アルコール使用障害と危険/有害な飲酒のスクリーニング装置として設計された10項目のアンケートです。楽器のスコアは0〜40で、結果は通常、左に大きく歪んでいます。 私の理解では、カウントデータの使用は、「カウント」されるすべての値が互いに独立していることを前提としています-毎日緊急病棟に来る患者、特定のグループの死亡者数など-それらはすべて互いに独立しています。基礎となる変数に依存していますが。さらに、カウントデータを使用する場合、最大許容カウントはあり得ないと思いますが、データの観測最大値と比較して理論最大値が非常に高い場合、この仮定は緩和できると思いますか？ AUDITスケールを使用する場合、真のカウントはありません。合計スコアが最大40のアイテムが10個ありますが、実際にはその高いスコアはめったに見られません。アイテムのスコアは自然に相互に関連付けられます。 したがって、カウントデータを使用するために必要な前提条件に違反しています。しかし、これはまだ許容できるアプローチですか？仮定の違反はどのくらい深刻ですか？このアプローチがより受け入れられると考えられる特定の状況はありますか？スケール変数をカテゴリに減らすことを含まない、このアプローチの代替手段はありますか？

10 regression  negative-binomial  count-data 

RMSE（二乗平均平方根誤差）を使用してさまざまなロジスティックモデルを比較することの妥当性について質問があります。応答のいずれかである0か1との予測が間確率でありますか0- 1？ 以下に適用される方法は、バイナリ応答でも有効ですか？ # Using glmnet require(glmnet) load(url("https://github.com/cran/glmnet/raw/master /data/BinomialExample.RData")) cvfit = cv.glmnet(x, y, family = "binomial", type.measure = "mse") A <- predict(cvfit, newx = x, s = "lambda.min", type = "response") RMSE1 <- mean((y - A)^2) # 0.05816881 # glm mydata <- read.csv("https://stats.idre.ucla.edu/stat/data/binary.csv") mydata$rank <- factor(mydata$rank) mylogit <- glm(admit ~ …

10 regression  logistic  generalized-linear-model  glmnet  rms 

過去に、観測データ（つまり、制御された実験によって生成されなかったデータ）に回帰（およびパネルモデルやGLMなどの関連モデル）が使用されている多くの分野で、公開された論文に関して質問されてきました。 、多くの場合-常にではありませんが-データは時間の経過とともに観測されますが、計測変数を導入する試みは行われません。 私はいくつかの批判をしました（たとえば、重要な変数が欠落している可能性のあるバイアスの問題について説明するなど）が、ここにいる他の人はこのトピックについて私よりもはるかに知識があるので、私は尋ねると思いました： そのような状況で、関係について結論を出そうとすることの主な問題/結果（特に、因果的な結論に限定されない）は何ですか？ 機器がない場合にこのようなモデルに適合する研究で、何か役立つことはありますか？ そのようなモデリングに関する問題についての良い参考文献（本または論文）は何ですか（多くの場合、質問する人はさまざまな背景を持っているため、多くの統計がないものもあるため、批評で参照する可能性があります）紙？器具に関する注意/問題についての議論も有用でしょう。 （インストゥルメンタル変数に関する基本的なリファレンスはここにありますが、そこに追加するものがあれば、それも役立ちます。） 楽器を見つけて使用するための良い実用的な例へのポインタはおまけですが、この質問の中心ではありません。 [このような質問が出てきたら、ここで他の人に良い答えを指摘するでしょう。入手したら1つまたは2つの例を追加できます。]

10 regression  references  instrumental-variables  observational-study 

Eloレーティングシステムは、ペアの比較での結果の予想される確率と観測される確率の間のクロスエントロピー損失関数の勾配降下最小化アルゴリズムを使用します。一般的な損失関数は次のように書くことができます E= − ∑n 、ip私L O G（q私）E=−∑n,ipiLog(qi) E=-\sum_{n,i} p_i Log (q_i) ここで、合計はすべての結果およびすべての対戦相手nに対して実行されます。 p iはイベントiの観測された頻度であり、q iは予想される頻度です。私iiんnnp私pip_i私i_iq私qiq_i 可能性のある結果が2つ（勝ちまたは負け）で、対戦相手が1人の場合 E= − p L o g（q）− （1 − p ）L o g（1 − q）E=−pLog(q)−(1−p)Log(1−q) E=-p Log (q)-(1-p)Log(1-q) 場合はプレイヤーのランキングされたIおよびπ jはプレイヤーのランキングであるJ我々として期待確率に構築することができ 、Q I = E π 私をπ私πi\pi_i私iiπjπj\pi_jjjjのq、J=E π Jqi=eπieπi+eπjqi=eπieπi+eπj q_i=\frac{e^{\pi_i}}{e^{\pi_i}+e^{\pi_j}} 後、勾配降下更新ルールのtell使用qj=eπjeπi+eπjqj=eπjeπi+eπj q_j=\frac{e^{\pi_j}}{e^{\pi_i}+e^{\pi_j}} π′i=πi−η(qi−pi)πi′=πi−η(qi−pi) \pi_i'=\pi_i-\eta (q_i-p_i) π′j=πj−η(qj−pj)πj′=πj−η(qj−pj) …

10 regression  optimization  rating 

10個の変数で構成されるデータセットがあります。部分最小二乗（PLS）を実行して、これらの10個の変数によって単一の応答変数を予測し、10個のPLSコンポーネントを抽出して、各コンポーネントの分散を計算しました。元のデータでは、702であるすべての変数の分散の合計を取った。 次に、各PLSコンポーネントの分散をこの合計で割って、PLSで説明される分散のパーセンテージを得ました。驚くべきことに、すべてのコンポーネントを合わせると、元の分散の44％しか説明されません。 その説明は何ですか？100％じゃないですか？

10 regression  pca  covariance-matrix  partial-least-squares 

私は論文で次の文を読みました： 短期係数と長期係数の間に差があるという事実は、遅れた内生変数を含む仕様の結果です。 彼らは最初の違いで回帰を実行し、従属変数のラグを含みます。 今、彼らは、あなたが出力から推定を見るならば（例えば、この推定をと呼ぶことができるなら）、従属変数に対するpの短期的な影響であると主張します。 さらに、p /（1-ラグの推定）を見ると、従属変数に対するpの長期的な影響が得られると彼らは主張しています。ppppppppp この論文は、https：//www.ecb.europa.eu/pub/pdf/scpwps/ecbwp1328.pdfと、脚注23の20ページにある短期/長期の影響についての彼らの議論を見つけることができます。 従属変数に対する短期効果と長期効果を区別できる理由が正確にわかりません。誰かが彼らの考えをより詳細に説明できれば、それは非常に役に立ちます。ppp

10 regression  time-series  lags 

以下は、式のrmsパッケージを使用してmtcarsデータセットから作成されたノモグラムです。 mpg ~ wt + am + qsec モデル自体は0.82のR2とP <0.00001で良いようです > mod Linear Regression Model ols(formula = mpg ~ wt + am + qsec, data = mtcars) Model Likelihood Discrimination Ratio Test Indexes Obs 32 LR chi2 60.64 R2 0.850 sigma 2.4588 d.f. 3 R2 adj 0.834 d.f. 28 Pr(> …

10 regression  multiple-regression  data-visualization  predictive-models  regression-strategies 

AR（1）でランダムウォークを推定すると、係数は1に非常に近くなりますが、常に小さくなります。 係数が1以下であることの数学的な理由は何ですか？

10 regression  autoregressive  random-walk 

単純な回帰を実行しようとしていますが、Y変数は月次頻度で観察され、x変数は年次頻度で観察されます。さまざまな頻度の回帰に使用できる適切なアプローチに関するガイダンスを本当に感謝します。 どうもありがとうございました

10 regression  time-series 

線形回帰モデルと非線形回帰モデルのどちらを使用するかをどのように決定すべきですか？ 私の目標はYを予測することです。 単純なおよびyデータセットの場合、散布図をプロットすることで、どの回帰モデルを使用するかを簡単に決定できました。xxxyyy ような多変量の場合。。。x nおよびy。どの回帰モデルを使用する必要があるかをどのように決定できますか？つまり、単純な線形モデル、または2次、3次などの非線形モデルの使用をどのように決定しますか？x1,x2,...xnx1,x2,...xnx_1,x_2,...x_nyyy どの回帰モデルを使用する必要があるかを推論して決定するための手法、統計的アプローチ、またはグラフィカルプロットはありますか？

10 regression  hypothesis-testing  predictive-models  nonlinear-regression 

いくつかの変数があり、それらの間の非線形関係を見つけることに興味があります。そこで、私はいくつかのスプラインまたはレスをフィットさせ、素敵なプロットを印刷することにしました（以下のコードを参照）。しかし、私はまた、関係がランダム性の問題である可能性がどのくらいあるかという考えを与えるいくつかの統計を取得したいと考えています...たとえば、線形回帰の場合のように、全体的なp値が必要です。言い換えると、私のコードは曲線を任意のデータに適合させるため、適合した曲線が意味を成しているかどうかを知る必要があります。 x <- rnorm(1000) y <- sin(x) + rnorm(1000, 0, 0.5) cor.test(x,y) plot(x, y, xlab = xlab, ylab = ylab) spl1 <- smooth.spline(x, y, tol = 1e-6, df = 8) lines(spl1, col = "green", lwd = 2) spl2 <- loess(y ~ x) x.pr <- seq(min(x), max(x), length.out = 100) lines(x.pr, …

10 r  regression  splines  loess