Si une variable de facteur (par exemple, le sexe avec les niveaux M et F) est utilisée dans la formule glm, des variables fictives sont créées et peuvent être trouvées dans le résumé du modèle glm avec leurs coefficients associés (par exemple, genderM) Si, au lieu de compter sur R pour diviser le...
J'ai eu du mal avec le problème suivant avec, je l'espère, un problème facile pour les statisticiens (je suis un programmeur avec une certaine exposition aux statistiques). Je dois résumer les réponses à une enquête (pour la direction). L'enquête comprend plus de 100 questions, regroupées dans...
Lors du codage des caractéristiques catégorielles pour la régression linéaire, il existe une règle: le nombre de variables muettes doit être inférieur de un au nombre total de niveaux (pour éviter la colinéarité). Existe-t-il une règle similaire pour les arbres de décision (ensachés, boostés)? Je...
J'essaie de faire des prédictions en utilisant un modèle de forêt aléatoire dans R. Cependant, je reçois des erreurs car certains facteurs ont des valeurs différentes dans l'ensemble de test que dans l'ensemble d'entraînement. Par exemple, un facteur Cat_2a des valeurs 34, 68, 76, etc., dans...
Existe-t-il des méthodes simples pour transformer les données de niveau ordinal en niveau d'intervalle (tout comme il en existe pour l'inverse)? Et exécutable dans Excel ou SPSS? Ayant les données, disons: 10 questions au niveau ordinal (disons échelle 0-5, où 0 = "pas du tout", 5 = "tout le...
J'ai des données de vente quotidiennes pour un produit très saisonnier. Je veux saisir la saisonnalité dans le modèle de régression. J'ai lu que si vous avez des données trimestrielles ou mensuelles, dans ce cas, vous pouvez créer respectivement 3 et 11 variables muettes - mais puis-je gérer les...
J'ai un ensemble de données qui contient à la fois des variables catégorielles et des variables continues. On m'a conseillé de transformer les variables catégorielles en variables binaires pour chaque niveau (c'est-à-dire A_level1: {0,1}, A_level2: {0,1}) - je pense que certains ont appelé cela des...
Soit une distribution conjointe de deux variables catégorielles , avec . Supposons que échantillons ont été tirés de cette distribution, mais nous ne recevons que les comptes marginaux, à savoir pour :px,ypx,yp_{x,y}X,YX,YX,Yx,y∈{1,…,K}x,y∈{1,…,K}x,y\in\{1,\ldots,K\}nnnj=1,…,Kj=1,…,Kj=1,\ldots,K...
Remarque: cette question est une rediffusion, car ma question précédente a dû être supprimée pour des raisons juridiques. En comparant PROC MIXED de SAS avec la fonction lmedu nlmepackage dans R, je suis tombé sur des différences assez confuses. Plus précisément, les degrés de liberté dans les...
J'ai un grand ensemble de données de marché agrégées sur les ventes de vin aux États-Unis et je voudrais estimer la demande de certains vins de haute qualité. Ces parts de marché sont essentiellement dérivées d'un modèle d'utilité aléatoire de la forme où inclut les caractéristiques de produit...
J'adapte un modèle avec un facteur à plusieurs niveaux et il faut très longtemps à R pour s'adapter à ce modèle. Pourquoi est-ce? Par exemple, si j'adapte une régression pour prédire les salaires des joueurs et que j'inclus un facteur prédictif pour toutes les nationalités respectives des joueurs,...
Je ne sais jamais quand utiliser l'encodage à chaud pour les variables catégorielles non ordonnées et quand ne pas le faire. Je l'utilise chaque fois que l'algorithme utilise une métrique de distance pour calculer la similitude. Quelqu'un peut-il donner une règle générale concernant les types...
J'ai un très grand ensemble de données et il manque environ 5% de valeurs aléatoires. Ces variables sont corrélées entre elles. L'exemple de jeu de données R suivant n'est qu'un exemple de jouet avec des données corrélées factices. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1,...
J'ai déjà lu toutes les pages de ce site en essayant de trouver la réponse à mon problème mais personne ne semble être le bon de moi ... Je vous explique d'abord le type de données avec lesquelles je travaille ... Disons que j'ai un vecteur de tableau avec plusieurs noms de ville, un pour chacun...
J'ai un ensemble de données avec 8000 grappes et 4 millions d'observations. Malheureusement, mon logiciel statistique, Stata, fonctionne assez lentement lorsque j'utilise sa fonction de données de panel pour la régression logistique: xtlogitmême avec un sous-échantillon de 10%. Cependant, lorsque...
Je ne sais pas quelle fonction de distance entre les individus utiliser en cas d'attributs nominaux (catégoriques non ordonnés). Je lisais un manuel et ils suggèrent une fonction de correspondance simple , mais certains livres suggèrent que je devrais changer le nominal en attributs binaires et...
J'ai un tableau de contingence à trois niveaux, avec des données de comptage pour plusieurs espèces, la plante hôte à partir de laquelle elles ont été collectées et si cette collecte a eu lieu un jour de pluie (cela importe vraiment!). En utilisant R, de fausses données pourraient ressembler à...
Je voudrais exécuter une régression logistique ordinale en Python - pour une variable de réponse à trois niveaux et avec quelques facteurs explicatifs. Le statsmodelspackage prend en charge les modèles logit binaire et logit multinomial (MNLogit), mais pas le logit ordonné. Étant donné que les...
Il semble que vous puissiez utiliser le codage pour une variable catégorielle, mais j'ai deux variables prédictives catégoriques et une variable prédictive continue. Puis-je utiliser la régression multiple pour cela dans SPSS et si oui, comment?
J'ai besoin d'un peu d'aide pour aller dans la bonne direction. Cela fait longtemps que je n'ai étudié aucune statistique et le jargon semble avoir changé. Imaginez que j'ai un ensemble de données liées à la voiture telles que Temps de trajet de la ville A à la ville B Distance de la ville A à la...