Questions marquées «generalized-linear-model»

J'expérimente l'algorithme de la machine de renforcement de gradient via le caretpackage en R. À l'aide d'un petit ensemble de données d'admission à l'université, j'ai exécuté le code suivant: library(caret) ### Load admissions dataset. ### mydata <-

Quels sont les avantages de spécifier une structure de covariance dans un GLM (plutôt que de traiter toutes les entrées hors diagonale de la matrice de covariance comme nulles)? En plus de refléter ce que l'on sait des données, est-ce améliorer la qualité de l'ajustement? améliorer la précision...

Je souhaite modifier les hypothèses nulles à l'aide glm()de R. Par exemple: x = rbinom(100, 1, .7) summary(glm(x ~ 1, family = "binomial")) teste l'hypothèse que . Et si je veux changer le null en pp=0.5p=0.5p = 0.5ppp = une valeur arbitraire, à l'intérieur glm()? Je sais que cela peut être fait...

Je me rends compte que cela peut être une question potentiellement large, mais je me demandais s'il existe des hypothèses généralisables qui indiquent l'utilisation d'un GAM (modèle additif généralisé) par rapport à un GLM (modèle linéaire généralisé)? Quelqu'un m'a récemment dit que les GAM ne...

Le phénomène de «sur-dispersion» dans un GLM survient chaque fois que nous utilisons un modèle qui restreint la variance de la variable de réponse, et les données présentent une variance plus grande que la restriction du modèle ne le permet. Cela se produit généralement lors de la modélisation des...

J'ai un ensemble de données dans lequel la variable que j'aimerais utiliser comme effet aléatoire n'a qu'une seule observation pour certains niveaux. Sur la base des réponses aux questions précédentes, j'ai compris que, en principe, cela peut convenir. Puis-je adapter un modèle mixte avec des...

Fermé. Cette question est hors sujet . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin qu'elle soit sur le sujet pour la validation croisée. Fermé il y a 5 ans . Call: glm(formula = darters ~ river + pH + temp, family = poisson, data...

Je viens de lancer un GLM binomial négatif et voici la sortie: Call: glm.nb(formula = small ~ method + site + depth, data = size.dat, init.theta = 1.080668549, link = log) Deviance Residuals: Min 1Q Median 3Q Max -2.2452 -0.9973 -0.3028 0.3864 1.8727 Coefficients: Estimate Std. Error z value...

J'utilise spotfire (S ++) pour l'analyse statistique dans mon projet et je dois exécuter une régression logistique multinomiale pour un grand ensemble de données. Je sais que le meilleur algorithme aurait été mlogit, mais malheureusement ce n'est pas disponible en s ++. Cependant, j'ai la...

Je suis très confus avec la façon dont le poids fonctionne en glm avec family = "binomial". À ma connaissance, la probabilité du glm avec family = "binomial" est spécifiée comme suit: où y est la "proportion de succès observée" et n est le nombre connu d'essais.ynF( y) = ( nn y) pn y( 1 - p )n ( 1...

J'ai créé un modèle linéaire généralisé avec une seule variable de réponse (continue / normalement distribuée) et 4 variables explicatives (dont 3 sont des facteurs et la quatrième est un entier). J'ai utilisé une distribution d'erreur gaussienne avec une fonction de lien d'identité. Je vérifie...

Je voudrais utiliser les données de comptage comme covariables tout en ajustant un modèle de régression logistique. Ma question est: Est-ce que je viole une hypothèse des modèles logistiques (et, plus généralement, des modèles linéaires généralisés) en utilisant des variables entières non négatives...

Dans le cadre de la sortie d'un modèle linéaire généralisé, la déviance nulle et résiduelle est utilisée pour évaluer le modèle. Je vois souvent les formules de ces quantités exprimées en termes de probabilité logarithmique du modèle saturé, par exemple: /stats//a/113022/22199 , Régression...

Pourquoi la régression linéaire et le modèle généralisé ont des hypothèses incohérentes? Dans la régression linéaire, nous supposons que le résiduel vient de la forme gaussienne Dans d'autres régressions (régression logistique, régression empoisonnée), nous supposons que la réponse provient d'une...

J'ai un modèle linéaire généralisé qui adopte une distribution gaussienne et une fonction de liaison logarithmique. Après avoir ajusté le modèle, je vérifie les résidus: tracé QQ, résidus vs valeurs prédites, histogramme des résidus (reconnaissant qu'il faut faire preuve de prudence). Tout a l'air...

Je me demandais simplement si la régression de Poisson a un terme d'erreur? Une régression de Poisson peut-elle avoir des effets aléatoires et un terme d'erreur? Je suis confus sur ce point. Dans la régression logistique, il n'y a pas de terme d'erreur car votre variable de résultat est binaire....

Je veux inclure le temps passé à faire quelque chose (semaines d'allaitement, par exemple) comme variable indépendante dans un modèle linéaire. Cependant, certaines observations n'engagent pas du tout le comportement. Les coder comme 0 n'est pas vraiment correct, car 0 est qualitativement différent...

J'ai actuellement un problème pour comprendre la syntaxe de R pour ajuster un GLM en utilisant la distribution Gamma. J'ai un ensemble de données, où chaque ligne contient 3 co-variables ( ), une variable de réponse ( ) et un paramètre de forme ( ). Je veux modéliser l'échelle de la distribution...

J'ai dirigé un glm.nb par glm1<-glm.nb(x~factor(group)) avec groupe étant une catégorie et x une variable métrique. Lorsque j'essaie d'obtenir le résumé des résultats, j'obtiens des résultats légèrement différents, selon que j'utilise summary()ou summary.glm. summary(glm1)Donne moi ......

Contexte: J'essaie de suivre l'examen de Princeton de l'estimation MLE pour GLM . Je comprends les bases de l' estimation MLE: likelihood, score, observée et attendue Fisher informationet la Fisher scoringtechnique. Et je sais comment justifier une régression linéaire simple avec une estimation MLE...