タグ付けされた質問 「regression」

割合、比率、および割合のデータは、生態学で非常に一般的です（たとえば、受粉した花の％、男性：女性の性比、処理に対する死亡率％、草食動物が食べた葉の％）。最近、一部の応用統計学者が「エコロジー」というタイトルのジャーナルエコロジーで記事を発表しました。「アークサインは異常です：エコロジーにおける比率の分析」。彼らは、Zarの "Biostatistical Analysis"やSokalやRohlfの "Biometry"（両方とも第3版または第4版）のような長期実行テキストによってアークサイン変換が促進されたが、この手法は一般化線形モデルとより優れたコンピューティングによって時代遅れになっていると指摘しました。 ： アークサイン平方根変換は、生態学の比例データを分析するときの標準的な手順であり、2項および非2項の応答変数を含むデータセットに適用されます。ここでは、どちらの状況でもアークサイン変換を使用しないでください。二項データの場合、ロジスティック回帰は、変換されたデータの分析よりも解釈可能性が高く、検出力が高くなります。[...]非二項データの場合、アークサイン変換は、解釈可能性の理由から、および無意味な予測を生成する可能性があるため、望ましくありません。ロジット変換は、これらの問題に対処するための代替アプローチとして提案されています。 他の分野（精神？医学？）でどのくらい一般的な比率データがあるのか​​と思っていました。アークサインはまだ他の分野で一般的に使用されているのですか、それとも生態学者はこの（または他の）時代遅れの、または最適な手法よりも使用が例外的ですか？より高度な技術を使用する必要性を強調する他の分野の論文はありますか？

8 regression  anova  data-transformation  generalized-linear-model 

私は最近、この質問を学生から受け取りました： 単純なメディエーションモデルで、間接的な影響（ab）が有意であり、直接的な影響（c '）が小さくて取るに足らないことがわかった場合、それは完全なメディエーションまたは部分的なメディエーションがあることを意味しますか？

8 regression  mediation 

主流の読者を対象とした記事で、線形混合モデルの概念を説明する必要があります。コンセプトの要点を1、2文で伝える方法はありますか？

8 regression  mixed-model  linear-model 

私はこれを週の初めに投稿し、人々の時間を無駄にしたくない、良い情報源を見つけたときに質問を撤回しました。残念ながら、あまり進歩していません。ここで善良な市民になろうとすることで、問題をできるだけ明確にします。テイカーは少ないと思います。 RIにBUGSまたはRで分析したいデータフレームがあります。これは長い形式です。これは、120人の複数の観測値からなり、合計885行です。カテゴリカルな結果の発生について調査していますが、ここではあまり関係ありません。問題は、より深いものについてです。 ここまで使ってきたモデルは mymodel<-gee(Category ~ Predictor 1 + Predictor 2..family=binomial(link="logit"), data=mydata, id=Person) 限界モデルは基本的に患者のクラスタリングを説明します。次に調べた mymodel<-gee(Category ~ Predictor 1 + Predictor 2.. , family=binomial(link="logit"), corstr = "AR-M", data=mydata, id=Person) 個々の人々の観察の時間順を説明するため。 これはあまり変わりませんでした。 次に、次の一連のMCMCPackコマンドを使用してモデル化を試みました。 mymodel<-MCMCglmm(category~ Predictor1 + Predictor2.., data=mydata, family=binomial(link="logit")) 出力の調査はスリル満点で、多くの予測因子に統計的有意性を示しました。私は、患者の中の反復測定を考慮に入れていなかったことに気づくまで、新しく改宗したベイズ人として自分を称賛しました。 私はそれを説明しなければならないことを理解しています。これは、各個人にハイパープライアを適合させることを意味する可能性があることを理解しています-それは正しいですか？バグではこれはどのような形になりますか？ 基本的なログ登録モデルは次のとおりです：（kudos to Kruschke、J.、Indiana） model { for( i in 1 : nData ) …

8 regression  bayesian  repeated-measures  multilevel-analysis  logistic 

OLSでは、 R2R2R^2 2つの変数の回帰の合計は、 R2R2R^2 個々の変数の2つの回帰の場合。 R2(Y∼A+B)>R2(Y∼A)+R2(Y∼B)R2(Y∼A+B)>R2(Y∼A)+R2(Y∼B)R^2(Y \sim A + B) > R^2(Y \sim A) + R^2(Y \sim B) 編集：うーん、これは些細なことです。それは、ジムで考えていた問題を解決しようとするときに得られるものです。もう一度時間を無駄にしてすみません。答えは明らかにイエスです。 Y∼N(0,1)Y∼N(0,1) Y \sim N(0,1) A∼N(0,1)A∼N(0,1) A \sim N(0,1) B=Y−AB=Y−A B = Y - A R2(Y∼A+B)=1R2(Y∼A+B)=1R^2(Y \sim A + B) = 1、明らかに。だがR2(Y∼A)R2(Y∼A)R^2(Y \sim A) 制限内で0である必要があり、 R2(Y∼B)R2(Y∼B)R^2 (Y \sim B) 上限は0.5にする必要があります。

8 regression  least-squares 

分位点回帰の混合効果モデルを実行するための解決策を見つけたいのですが。 私のグーグル検索から、そのような手順のR実装を見つけることができませんでした（「これはかすかな心のためではない」という警告のみ）。 1つのx、1つのy、および1つの「対象」変数がある単純な状況を解決したいと思います。 これをどうするかについての提案はありますか？

8 regression  mixed-model 

重回帰で、グローバルF検定が有意である場合、係数のt検定（またはWald検定）は多重比較および事後検定と見なされ、調整する必要がありますか？

8 regression  multiple-comparisons  regression-coefficients 

と仮定して、線形回帰を推定するとします。ML推定に対するOLSの利点は何ですか？MLメソッドを使用する場合、分布を知る必要があることはわかっていますが、私がMLとOLSのどちらを使用するかに関係なく、u \ sim N（0、\ sigma ^ 2）を想定しているため、この点は重要ではないようです。したがって、OLSの唯一の利点は、\ beta推定量の漸近的な特徴にあるはずです。または、OLS法の他の利点はありますか？U 〜N（0 、σ2）u∼N(0,σ2)u\sim N(0,\sigma^2)あなたuuU 〜N（0 、σ2）u∼N(0,σ2)u\sim N(0,\sigma^2)ββ\beta

8 regression  least-squares  linear-model 

私がいじっているデータがあります。簡単にするために、ブロガーが投稿した投稿の数と、その人のブログを購読している人の数の情報がデータに含まれているとしましょう（これは単なる例です）。 ＃件の投稿と＃件の登録者の関係の大まかなモデルを取得したいのですが、ログとログのプロットを見ると、次のように表示されます。 これは大まかな線形関係（対数-対数目盛）のように見え、残差をすばやく確認すると一致するように見えます（明らかなパターンはなく、正規分布からの顕著な逸脱はありません）。 だから私の質問は：この線形モデルを使用しても大丈夫ですか？対数-対数プロットの線形回帰を使用してべき乗則分布を推定するのに問題があることを漠然と知っていますが、私のデータはべき乗則確率分布ではありません（単に大まかに従うように見えるものです）subscribers=A∗(postings)ksubscribers=A∗(postings)ksubscribers = A * (postings) ^ kモデル; 特に、1）を合計する必要はないので、同じ批評が当てはまるかどうかはわかりません。（おそらく、同じ文の「log-log」と「線形回帰」について言及しているので、私は過度に修正しています...）また、私が本当にやろうとしているのは、次のことだけです。 残差が正のブログと残差が負のブログにパターンがあるかどうかを確認します。 購読者が投稿数にどのように関連しているかの大まかなモデルを提案します。

8 regression  power-law 

単純な線形回帰モデルがあります。私が計算したいのは、各入力変数がどの程度「重要」であるか、つまり次のようなステートメントを作成することです。 「このモデルの予測力の60％は、変数var1からのもので、var2とvar3はそれぞれ30％と10％です」 これらのパーセンテージを計算するために何をする必要がありますか？

8 regression  importance 

私の回帰に異分散性の問題があるかどうかをテストしようとしています。回帰を実行した後、残差プロットにパターンがあることがはっきりとわかります。従属変数のログを取った後、パターンは大幅に減少します。元の式のホワイトのテストでは、変換前にp値0.0004（残差に強いパターンがあるモデル）が返され、対数変換後にp値0.08が返されます。 2番目のモデルの方がプロットの不均一性が少ないことがわかりますが、ホワイトの検定の結果をどのように解釈すればよいですか？最初の値は、（100-0.0004）％の有意性で異分散性があることを拒否できることを意味しますが、2番目のモデルでは、たとえば95％の信頼性でそれを拒否できますか？

8 regression  econometrics  heteroscedasticity 

math.stackexchange.comからの質問を再投稿していますが、math.seの現在の答えは正しくないと思います。 選択セットから番号、ある番目の数が選択され、の階数であるにおける番号。選択は置換なしです。は常により小さい。ランクは、数値を昇順でソートした後のaの順序です。nnn{1,2,...,U}{1,2,...,U}\{1,2,...,U\}yiyiy_iiiixixix_iyiyiy_innnnnnUUUnnn 我々が得ることができるのデータポイント、そして、これらのデータポイントのための最良適合線は線形回帰により求めることができます。 （相関係数）は適合線の良さです。または（決定の相関を計算します。nnn(x1,y1),(x2,y2),...,(xn,yn)(x1,y1),(x2,y2),...,(xn,yn)(x_1, y_1), (x_2, y_2), ..., (x_n, y_n)rxyrxyr_{xy}E(rxy)E(rxy)\mathbb{E}(r_{xy})E(r2xy)E(rxy2)\mathbb{E}(r_{xy}^2) 場合、推定を計算することができない、または下界OK依然としてあります。E[rxy]E[rxy]\mathbb{E}[r_{xy}] 更新：ランダムに生成されたデータを使用してサンプル相関係数を計算すると、が1に非常にことがわかります。したがって、理論的な観点から証明したい、または上記の方法で生成されたデータは非常に線形。rxyrxyr_{xy} 更新：サンプル相関係数の分布を取得することは可能ですか？

8 regression  correlation 

実際の応用において、私はしばしば以下の実践を目撃しました。時間の経過ペアを観察し ます。それらが線形に関連しているという仮定の下で、均一な重みではなく幾何学的な重みを使用して、一方を他方に対して回帰します。つまり、OLSは はいくつかの。これは非常に直感的です。これまでの観測の重み付けは少なくなっています。「ボックスカー」重み付けスキームと比較すると、観測値が観測ウィンドウから突然落ちることがないため、時間の経過とともに滑らかに変化する推定値を生成できるという利点もあります。ただし、との関係の根底にある確率モデルはあるのうか。(xt,yt)(xt,yt)(x_t, y_t)∑t=0∞kt(yT−t−axT−t−b)2∑t=0∞kt(yT−t−axT−t−b)2\sum_{t=0}^\infty k^{t} (y_{T-t}- a x_{T-t}-b)^2k∈(0,1)k∈(0,1)k\in (0,1)xtxtx_tytyty_tこの選択を正当化する。

8 regression  least-squares 

ロジスティック回帰にはBox-Tidwellがありますが、線形回帰ではそのようなことは何も知りません。私はこれをグラフィカルな機能として探すために部分残差プロットを使用しますが、正式なテストを見つけたいと思っています（正直に言うと、これの正式なテストを実行できるとは思えませんが、私は間違っている可能性があります）。

8 regression  diagnostic 

分位点回帰を線形計画問題として定式化するにはどうすればよいですか？変位値の中央値の問題を見ると、 最小化 に変形する 最小化 stΣi = 1ん|β0+バツ私β1−Y私|Σi = 1んe私e私≥β0+バツ私β1−Y私e私≥ - （β0+バツ私β1−Y私）minimize ∑i=1n|β0+Xiβ1−Yi|transforms into minimize ∑i=1neis.t.ei≥β0+Xiβ1−Yiei≥−(β0+Xiβ1−Yi)\begin{align} \text{minimize } & \sum_{i=1}^n |\beta_0 + X_i \beta_1-Y_i|\\ \text{transforms into } & \\ \text{minimize } & \sum_{i=1}^n e_i\\ \text{s.t.} & \\ & e_i\geq \beta_0 + X_i\beta_{1}-Y_i\\ & e_i\geq -(\beta_0 + X_i\beta_{1}-Y_i) \end{align} が、他の変位値の最小化をどのように変換しますか？

8 regression  quantile-regression  linear-programming