タグ付けされた質問 「regression」

次の標準方程式を使用した差分のアプローチについて質問があります： は、扱うグループと投稿のダミー変数です。 y= a + b1治療+ b2投稿+ b３御馳走⋅ ポスト+ Uy=a+b1御馳走+b2役職+b３御馳走⋅役職+あなた y= a + b_1\text{treat}+ b_2\text{post} + b_3\text{treat}\cdot\text{post} + u さて、私の質問は簡単です：なぜほとんどの論文はまだ追加の制御変数を使用しているのですか？並行トレンドの仮定が正しければ、追加の制御について心配する必要はないはずだと思いました。制御変数を使用する理由として考えられるのは、次の2つだけです。 それらがなければ、トレンドは平行しません DnD仕様は、治療時の治療グループとコントロールグループ間の傾向の違いを介入に起因するため（つまり、交互作用項トリート*ポスト）-他の変数を制御しない場合、交互作用の係数が終了する可能性があります-/控えめに 誰かがこの問題についていくつかの光を当てることができますか？私の理由1）または2）はまったく意味がありますか？DnDでの制御変数の使用を完全には理解していません。

10 regression  multiple-regression  causality 

集金代行の支払い金額を予測する最良の方法を考え出そうとしています。従属変数は、支払いが行われたときにのみ非ゼロになります。当然のことながら、ほとんどの人は到達できないか、借金を返済できないため、圧倒的な数のゼロがあります。 また、負債額と支払いの確率の間には非常に強い負の相関があります。通常、私は給与/不給の確率を予測するためにロジスティックモデルを作成しますが、これは最低の残高を持つ人々を見つけるという残念な結果をもたらします。 ロジスティックペイ/ノンペイモデルを、支払い金額を予測する別のモデルと組み合わせる方法はありますか？

10 regression  predictive-models  logistic 

多変量多重回帰（ベクトル回帰と回帰）の設定では、一般的な仮説（Wilkのラムダ、Pillai-Bartlett、Hotelling-Lawley、およびRoyの最大根）の4つの主要な検定はすべて、行列固有値に依存します。、ここで、及び「説明」および「合計」変化行列です。HE−1HE−1H E^{-1}HHHEEE ピライとホテリングローリーの統計はどちらも それぞれ。と母集団類似体に対して定義されたこのトレースの分布が場合に重要であるアプリケーションを探しています。（私の作業におけるモジュロエラー。）一般的なサンプル統計の既知の統一、または4つの古典的な検定の2つ以上を取り込む他の一般化があるかどうか知りたいです。がまたは等しくないことを理解していますψκ=Tr(H[κH+E]−1),ψκ=Tr(H[κH+E]−1),\psi_{\kappa} = \mbox{Tr}\left(H\left[\kappa H + E\right]^{-1}\right),κ=1,0κ=1,0\kappa = 1, 0HHHEEEκ=2κ=2\kappa = 2κκ\kappaκκ\kappa000111、分子はヌルの下でカイ二乗のように見えなくなったため、中央のF近似が疑わしいと思われるため、おそらくこれは行き止まりです。 ヌル（つまり、回帰係数の真の行列がすべてゼロ）の下と代替の下での分布についていくつかの研究があったことを願っています。私は特にケースに興味がありますが、一般的なケースで作業がある場合は、もちろんそれを使用できます。ψκψκ\psi_{\kappa}κ=2κ=2\kappa = 2κκ\kappa

10 regression  multiple-regression  multivariate-analysis  manova 

正則化を実行するには多くの方法があります。たとえば、、L 1、およびL 2ノルムベースの正則化です。Friedman Hastie＆Tibsharaniによると、最適な正則化器は問題に依存します。つまり、真のターゲット関数の性質、使用される特定の基底、信号対雑音比、およびサンプルサイズです。L0L0L_0L1L1L_1L2L2L_2 さまざまな正則化方法の方法とパフォーマンスを比較する実証的研究はありますか？

10 r  regression  machine-learning  regularization 

編集をご覧ください。 裾が重いデータがある場合、student-tエラーで回帰を行うと、直感的に行えるように見えます。この可能性を調査しているときに、私はこの論文に出くわしました。 Breusch、TS、Robertson、JC、およびWelsh、AH（1997年11月1日）。皇帝の新しい服：多変量t回帰モデルの批評。Statistica Neerlandica、51、3.）（link、pdf） これは、スケールパラメータと自由度パラメータが何らかの意味で相互に識別可能ではなく、このため、tエラーのある回帰を行っても、標準の線形回帰の場合を超えることはできないと主張しています。 Zellner（1976）は、データベクトル（または誤差ベクトル）が多変量スチューデントt分布からの実現として表される回帰モデルを提案しました。このモデルは、通常のガウス仮定を拡張して、より裾の長い誤差分布を可能にするように見えるため、かなりの注目を集めています。文献の多くの結果は、ガウスモデルの標準推論手順がより広い分布の仮定の下で適切なままであり、標準メソッドの堅牢性の主張につながることを示しています。数学的には2つのモデルは異なりますが、統計的推論の目的では区別できないことを示しています。多変量tモデルの経験的意味は、ガウスモデルのそれとまったく同じです。したがって、データのより広範な分布表現の提案は偽であり、堅牢性の主張は誤解を招くものです。これらの結論は、頻度主義者とベイズの両方の観点から達しています。 これには驚きました。 私はそれらの引数を適切に評価するための数学的洗練度を持っていないので、いくつか質問があります。t-エラーを使用して回帰を行うことは一般的に役に立たないのは本当ですか？それらが時々役立つ場合、私はその論文を誤解しているのでしょうか、それとも誤解を招くものですか？それらが役に立たない場合、これはよく知られた事実ですか？重い尾を持つデータを説明する他の方法はありますか？ 編集：パラグラフ3とセクション4をよく読んでみると、以下の論文は私がスチューデントt回帰と考えていたものについて話していないようです（エラーは独立した一変量t分布です）。エラーは代わりに単一の分布から引き出され、独立したものではありません。私が正しく理解していれば、この独立性の欠如が、スケールと自由度を独立して推定できない理由を正確に説明しています。 この論文は、読まないようにするための論文のリストを提供していると思います。

10 regression  mathematical-statistics  modeling  robust 

エラー項の一定分散や残差の正規性など、ロジスティック回帰のエラーに関する特定の仮定はありますか？ また、通常、クックの距離が4 / nより大きいポイントがある場合、それらを削除しますか？それらを削除した場合、削除されたポイントを含むモデルの方が優れているかどうかをどのように判断できますか？

10 regression  logistic  residuals  diagnostic  cooks-distance 

ロジスティック回帰の複数の交差検証フォールド、および各回帰係数の結果の複数の推定が与えられた場合、予測子（または予測子のセット）が安定しているか、または回帰係数に基づいて意味があるかどうかをどのように測定すべきか？これは線形回帰では異なりますか？

10 regression  model-selection  cross-validation 

多重線形回帰を実行してから、ほとんど外挿せずに新しい値を予測します。-2から+7の範囲の応答変数と3つの予測子（約+10から+200の範囲）があります。分布はほぼ正常です。しかし、応答と予測子の関係は線形ではありません。プロット上に曲線が表示されます。たとえば、次のようになります：http : //cs10418.userapi.com/u17020874/153949434/x_9898cf38.jpg 線形性を実現するために変換を適用したいと思います。さまざまな関数をチェックし、結果のプロットを見て応答と予測子の線形関係を確認することで、応答変数を変換しようとしました。そして私は目に見える線形関係を与えることができる多くの関数があることを発見しました。たとえば、関数 t1= ログ（y+ 2.5 ）t1=log⁡(y+2.5)t_1=\log(y+2.5) t2= 1ログ（y+ 5 ）t2=1log⁡(y+5)t_2=\frac{1}{\log(y+5)} t３= 1y+ 5t3=1y+5t_3=\frac{1}{y+5} t4= 1（y+ 10 ）３t4=1(y+10)3t_4=\frac{1}{(y+10)^3} などでも同様の結果が得られます。http： //cs10418.userapi.com/u17020874/153949434/x_06f13dbf.jpgt5= 1（y+ 3 ）1３t5=1(y+3)13t_5=\frac{1}{(y+3)^\frac{1}{3}} 予測値を逆変換します（ asy′=1t = 1（y+ 10 ）３t=1(y+10)3t=\frac{1}{(y+10)^3}など）。分布は通常とほぼ同じです。y』= 1t1３− 10y′=1t13−10y’=\frac{1}{t^\frac{1}{3}}-10 データに最適な変換を選択するにはどうすればよいですか？直線性を評価する定量的（そしてそれほど複雑ではない）方法はありますか？選択した変換が最良であることを証明するため、または可能であれば自動的に変換を見つけるため。 または、唯一の方法は非線形重回帰を行うことですか？

10 regression  data-transformation 

次の線形モデルがあります。 残差の異分散性に対処するために、従属変数にとして対数変換を適用しようとしましたが、残差に対する同じファンアウト効果がまだあります。DV値は比較的小さいため、ログを取得する前の+1定数の追加は、この場合はおそらく適切ではありません。log(Y+1)log⁡(Y+1)\log(Y + 1) > summary(Y) Min. :-0.0005647 1st Qu.: 0.0001066 Median : 0.0003060 Mean : 0.0004617 3rd Qu.: 0.0006333 Max. : 0.0105730 NA's :30.0000000 特に予測誤差と分散を改善するために変数をどのように変換できますか？

10 regression  data-transformation  linear-model  heteroscedasticity 

時間の経過に伴う変化を概算しようとしている関数のガウスプロセス回帰を実行するための適切な戦略は何ですか？私の頭に浮かぶ素朴なアプローチは、最新のN個のデータポイントのみを使用して回帰を実行することです。より良い戦略は何ですか？

10 regression  online  gaussian-process 

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。 3年前休業。 これは基本的なことのように思えましたが、オンラインで解決策を見つけることができないので、何が欠けているのか疑問に思いました。 Sweave（.Rnw）ドキュメント内にlmサマリーオブジェクトの出力を含めたいです。私は、summary.lmをそのまま出力するか、xtable / Hmiscパッケージを（xtableまたはlatexコマンドを使用して）使用できます。テーブルの外から利用できる要約情報も提供するxtableのようなものはありますか？（、F統計など...？）R2R2R^2

10 r  regression 

Genstatで（非常に）単純な線形回帰を実行したばかりで、出力の簡潔で意味のある要約をレポートに含めたいと思います。含める必要がある情報の内容や量が正確にわかりません。 Genstat出力の主なビットは次のようになります。 Summary of analysis Source d.f. s.s. m.s. v.r. F pr. Regression 1 8128935. 8128935. 814.41 <.001 Residual 53 529015. 9981. Total 54 8657950. 160332. Percentage variance accounted for 93.8 Standard error of observations is estimated to be 99.9. Estimates of parameters Parameter estimate s.e. t(53) t pr. Constant …

10 regression  reporting 

L無限大ノルムを最小化する目的で線形回帰を解決するソフトウェアパッケージはありますか？

10 regression 

平易な英語で： 私は重回帰またはANOVAモデルを持っていますが、各個人の応答変数は時間の曲線関数です。 右側の変数のどれが曲線の形状または垂直オフセットの大きな違いの原因であるかをどのようにして知ることができますか？ これは時系列の問題、反復測定の問題、それともまったく別の問題ですか？ そのようなデータを分析するためのベストプラクティスは何ですか（できればでR、他のソフトウェアを使用することもできます）？ より正確に言えば： レッツは、私がモデル持っていると言うが、Y I jは、kは、実際にデータ-のシリーズです数値変数として記録された、多くの時点tで同じ個体kから収集された点。データをプロットすると、個々のy i j k tyijk=β0+β1xi+β2xj+β3xixj+ϵkyijk=β0+β1xi+β2xj+β3xixj+ϵky_{ijk} = \beta_0 + \beta_1 x_i + \beta_2 x_j + \beta_3 x_i x_j + \epsilon_kyijkyijky_{ijk}kkktttyijktyijkty_{ijkt}垂直オフセット、形状、または周波数（循環の場合）が共変量に大きく依存する可能性がある時間の2次関数または循環関数です。共変量は時間の経過とともに変化しません。つまり、データ収集期間中、個体の体重または治療グループは一定です。 これまでのところ、私は次のRアプローチを試しました： マノバ Anova(lm(YT~A*B,mydata),idata=data.frame(TIME=factor(c(1:10))),idesign=~TIME); ...ここYTで、列は時間ポイントである行列です。この例では10個ですが、実際のデータでははるかに多くなります。 問題：これは時間を要因として扱いますが、時間点は各個人に対して正確に一致しません。さらに、サンプルサイズに対してそれらの多くが存在するため、モデルは飽和します。時間の経過に伴う応答変数の形状は無視されているようです。 混合モデル（PinheiroとBatesと同様、SとS-Plusの混合効果モデル） lme(fixed=Y~ A*B*TIME + sin(2*pi*TIME) + cos(2*pi*TIME), data=mydata, random=~(TIME + sin(2*pi*TIME) + cos(2*pi*TIME))|ID), method='ML') ... IDデータを個人別にグループ化する要素です。この例では、応答は時間とともに循環しますが、代わりに2次項や時間の他の関数が存在する可能性があります。 問題：各時間項が必要かどうか（特に2次項の場合）、どの共変量の影響を受けるかはわかりません。 でstepAIC()、それらを選択するための良い方法は？ …

10 regression  time-series  mixed-model  repeated-measures  panel-data 

私が使用していますquantregのデータセットで私の値の99パーセンタイルを使用して回帰モデルを作るために、パッケージを。以前に尋ねたstackoverflowの質問からのアドバイスに基づいて、私は次のコード構造を使用しました。 mod <- rq(y ~ log(x), data=df, tau=.99) pDF <- data.frame(x = seq(1,10000, length=1000) ) pDF <- within(pDF, y <- predict(mod, newdata = pDF) ) データの上にプロットして表示します。ポイントのアルファ値とともに、ggplot2を使用してこれをプロットしました。私の分析では、分布の裾が十分に考慮されていないと思います。おそらくこれは、パーセンタイル型の測定では無視されている個々のポイントがあるためです。 コメントの1つは、 パッケージビネットには、非線形変位値回帰に関するセクションと、平滑化スプラインなどのモデルが含まれています。 前の質問に基づいて、対数関係を仮定しましたが、それが正しいかどうかはわかりません。99パーセンタイル間隔ですべてのポイントを抽出して個別に調べることができると思いましたが、それを行う方法、またはそれが良いアプローチかどうかはわかりません。この関係の特定を改善する方法についてのアドバイスをいただければ幸いです。

10 regression  logarithm