Fait référence aux variables utilisées dans un modèle pour prédire une réponse. Cette balise peut également être utilisée pour variables dans la modélisation explicative et descriptive, pas seulement la modélisation prédictive. Cette même construction porte de nombreux noms dans différents contextes, notamment: variable indépendante, variable explicative, variable de régression, covariable, etc. Cette balise peut être utilisée pour n'importe lequel de ces termes synonymes. X X
Par exemple, j'ai des données historiques sur les pertes et je calcule des quantiles extrêmes (perte potentielle ou valeur maximale probable). Les résultats obtenus servent à estimer la perte ou à la prédire? Où peut-on tracer la ligne? Je suis
Mon calcul comporte plusieurs covariables pour un modèle, et toutes ne sont pas statistiquement significatives. Devrais-je enlever ceux qui ne le sont pas? Cette question traite du phénomène, mais ne répond pas à ma question: comment interpréter l'effet non significatif d'une covariable dans...
J'ai 2 questions simples sur la régression linéaire: Quand est-il conseillé de normaliser les variables explicatives? Une fois que l'estimation est réalisée avec des valeurs normalisées, comment peut-on prévoir avec de nouvelles valeurs (comment normaliser les nouvelles valeurs)? Quelques...
Imaginer Vous exécutez une régression linéaire avec quatre prédicteurs numériques (IV1, ..., IV4) Lorsque seul IV1 est inclus comme prédicteur, la version bêta normalisée est +.20 Lorsque vous incluez également IV2 à IV4, le signe du coefficient de régression normalisé de IV1 est inversé...
Je veux dire que certaines de ces variables sont fortement corrélées entre elles. Comment / pourquoi / dans quel contexte les définissons-nous comme variables indépendantes
Je suis légèrement confus si une variable indépendante (également appelée prédicteur ou caractéristique) dans un modèle statistique, par exemple le en régression linéaire , est une variable aléatoire?Y = β 0 + β 1 XXXXOui= β0+ β1XOui=β0+β1XY=\beta_0+\beta_1
La précision est définie comme: p = true positives / (true positives + false positives) Est - il exact que, true positiveset false positivesapproche 0, la précision approche 1? Même question pour rappel: r = true positives / (true positives + false negatives) J'implémente actuellement un test...
Quelle est la limite du nombre de variables indépendantes que l'on peut entrer dans une équation de régression multiple? J'ai 10 prédicteurs que j'aimerais examiner en termes de leur contribution relative à la variable de résultat. Dois-je utiliser une correction bonferroni pour ajuster pour...
J'ai examiné de nombreux ensembles de données R, des publications dans DASL et ailleurs, et je ne trouve pas de très bons exemples d'ensembles de données intéressants illustrant l'analyse de la covariance pour les données expérimentales. Il existe de nombreux ensembles de données "jouets" avec des...
J'ai récemment découvert comment modéliser des expositions dans le temps en utilisant le log (par exemple) du temps comme décalage dans une régression de Poisson. J'ai compris que le décalage correspond au fait d'avoir le temps comme covariable avec le coefficient 1. J'aimerais mieux comprendre la...
J'utilise un modèle logit. Ma variable dépendante est binaire. Cependant , j'ai une variable indépendante qui est catégorique et contient les réponses: 1.very good, 2.good, 3.average, 4.poor and 5.very poor. Donc, c'est ordinal ("quantitatif catégorique"). Je ne sais pas comment gérer cela dans le...
Étant donné une variable dépendante continue y et des variables indépendantes comprenant une variable ordinale X 1 , comment puis-je adapter un modèle linéaire R? Existe-t-il des articles sur ce type de
Une hypothèse de base de l'utilisation de modèles de régression pour l'inférence est que «tous les prédicteurs pertinents» ont été inclus dans l'équation de prédiction. La justification est que le fait de ne pas inclure un facteur important du monde réel conduit à des coefficients biaisés et donc à...
Je conseillais un étudiant-chercheur ayant un problème particulier et je souhaitais obtenir l'avis des autres sur ce site. Le contexte: Le chercheur avait trois types de variables prédictives. Chaque type contenait un nombre différent de variables prédictives. Chaque prédicteur était une variable...
Je me rends compte que c'est probablement une question très simple, mais après avoir cherché, je ne trouve pas la réponse que je cherche. J'ai un problème où j'ai besoin de normaliser les variables exécutez la (régression de crête) pour calculer les estimations de crête des bêtas. J'ai ensuite...
Quels sont les avantages et les inconvénients de l'utilisation de LARS [1] par rapport à l'utilisation de la descente de coordonnées pour ajuster la régression linéaire régularisée L1? Je m'intéresse principalement aux aspects de performance (mes problèmes ont tendance à avoir Ndes centaines de...
Édition majeure: Je voudrais dire un grand merci à Dave et Nick jusqu'à présent pour leurs réponses. La bonne nouvelle est que j'ai réussi à faire fonctionner la boucle (principe emprunté à la publication du professeur Hydnman sur la prévision par lots). Pour consolider les requêtes en attente: a)...
Pourquoi utiliser l'âge et le carré d'âge comme covariables dans une étude d'association génétique? Je peux comprendre l'utilisation de l'âge s'il a été identifié comme une covariable significative, mais je ne suis pas sûr de l'utilisation de l'âge au
J'ai huit variables indépendantes et une dépendante. J'ai exécuté une matrice de corrélation, et 5 d'entre eux ont une faible corrélation avec le DV. J'ai ensuite exécuté une régression multiple pas à pas pour voir si certains / tous les IV peuvent prédire le DV. La régression a montré que seuls...
Je pense à un problème qui consiste à prédire le journal (dépenses) d'un client à l'aide d'une régression linéaire. Je réfléchis aux fonctionnalités à utiliser en entrée et je me demande si ce serait correct d'utiliser le centile d'une variable comme entrées. Par exemple, je pourrais utiliser les...