Les graphiques ci-dessous sont des diagrammes de dispersion résiduels d'un test de régression pour lesquels les hypothèses de "normalité", "homoscédasticité" et "indépendance" ont déjà été vérifiées à coup sûr! Pour tester l' hypothèse de «linéarité» , bien que, en regardant les graphiques, on...
Voici mon contexte pour cette question: D'après ce que je peux dire, nous ne pouvons pas exécuter une régression ordinaire des moindres carrés dans R lors de l'utilisation de données pondérées et du surveypackage. Ici, nous devons utiliser svyglm(), qui exécute à la place un modèle linéaire...
J'ai fréquemment utilisé pour diagnostiquer mes données multivariées à l'aide de l'ACP (données omiques avec des centaines de milliers de variables et des dizaines ou des centaines d'échantillons). Les données proviennent souvent d'expériences avec plusieurs variables indépendantes catégorielles...
J'ai lu que l'utilisation du R au carré pour les séries temporelles n'est pas appropriée car dans un contexte de série temporelle (je sais qu'il existe d'autres contextes) le R au carré n'est plus unique. Pourquoi est-ce? J'ai essayé de chercher, mais je n'ai rien trouvé. En règle générale, je...
La corrélation, , est une mesure de l'association linéaire entre deux variables. Le coefficient de détermination, , est une mesure de la proportion de la variabilité d'une variable qui peut être "expliquée par" la variation de l'autre.r 2rrrr2r2r^2 Par exemple, si est la corrélation entre deux...
Je lisais sur les métriques de régression dans le manuel python scikit-learn et même si chacun d'eux a sa propre formule, je ne peux pas dire intuitivement quelle est la différence entre et le score de variance et donc quand utiliser l'un ou l'autre pour évaluer mes
Je suis curieux de la déclaration faite au bas de la première page de ce texte concernant l' ajustementR2adjustedRadjusted2R^2_\mathrm{adjusted} R2adjusted=1−(1−R2)(n−1n−m−1).Radjusted2=1−(1−R2)(n−1n−m−1).R^2_\mathrm{adjusted} =1-(1-R^2)\left({\frac{n-1}{n-m-1}}\right). Le texte dit: La logique de...
Voici un modèle créé à partir d'un mtcarsensemble de données: > ols(mpg~wt+am+qsec, mtcars) Linear Regression Model ols(formula = mpg ~ wt + am + qsec, data = mtcars) Model Likelihood Discrimination Ratio Test Indexes Obs 32 LR chi2 60.64 R2 0.850 sigma 2.4588 d.f. 3 R2 adj 0.834 d.f. 28 Pr(>...
J'ai lu à plusieurs endroits que R Squared n'est pas une mesure idéale lorsqu'un modèle est adapté avec LASSO. Cependant, je ne sais pas exactement pourquoi . De plus, pourriez-vous recommander la meilleure
J'ai monté mon modèle et j'essaie de comprendre si c'est bon. J'ai calculé les métriques recommandées pour l'évaluer ( R2R2R^2 / AUC / précision / erreur de prédiction / etc) mais je ne sais pas comment les interpréter. En bref, comment savoir si mon modèle est bon en fonction de la métrique? Est...
C'est peut-être une question fondamentale, mais je me demandais pourquoi une valeur dans un modèle de régression peut simplement être mise au carré pour donner un chiffre de variance expliquée?RRR Je comprends que le coefficient peut donner la force d'une relation, mais je ne comprends pas comment...
Supposons que je fasse une régression avec des ensembles de formation, de validation et de test. Je peux trouver RMSE et R au carré (R ^ 2, le coefficient de détermination) à la sortie de mon logiciel (comme la fonction lm () de R). Ma compréhension est que le test RMSE (ou MSE) est la mesure de la...
Imaginez que nous ayons un modèle de régression linéaire avec la variable dépendante . On retrouve son R 2 y . Maintenant, nous faisons une autre régression, mais cette fois sur log ( y ) , et trouvons également son log R 2 ( y ) . On m'a dit que je ne peux pas comparer les deux R 2 pour voir quel...
Je sais que cela a probablement été discuté ailleurs, mais je n'ai pas pu trouver de réponse explicite. J'essaie d'utiliser la formule pour calculer hors échantillon d'un modèle de régression linéaire, où est la somme des carrés des résidus et est la somme totale des carrés. Pour l'ensemble de...
En régression linéaire, je suis tombé sur un résultat délicieux que si nous ajustons le modèle E[Y]=β1X1+β2X2+c,E[Y]=β1X1+β2X2+c,E[Y] = \beta_1 X_1 + \beta_2 X_2 + c, puis, si nous normalisons et données , et ,YYYX1X1X_1X2X2X_2 R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R^2 =...
Une question très basique concernant les régressions R2R2R^2 des OLS exécuter la régression OLS y ~ x1, nous avons un R2R2R^2 , disons 0,3 exécuter la régression OLS y ~ x2, nous avons un autre R2R2R^2 , disons 0,4 maintenant nous exécutons une régression y ~ x1 + x2, quelle valeur le R de cette...
Mon ensemble de données ( ) a une variable dépendante (DV), cinq variables "de base" indépendantes (P1, P2, P3, P4, P5) et une variable indépendante d'intérêt (Q).N≈10,000N≈10,000N \approx 10,000 J'ai exécuté des régressions linéaires OLS pour les deux modèles suivants: DV ~ 1 + P1 + P2 + P3 + P4 +...
Supposons qu'il existe trois séries chronologiques, , etX1X1X_1X2X2X_2YYY Exécution de régression linéaire ordinaire sur ~ ( ), nous obtenons . La régression linéaire ordinaire ~ obtenir . Supposons queYYYX1X1X_1Y=bX1+b0+ϵY=bX1+b0+ϵY = b X_1 + b_0 + \epsilonR2=UR2=UR^2 = UYYYX2X2X_2R2=VR2=VR^2 =...
Pour un exemple simple, supposons qu'il existe deux modèles de régression linéaire Modèle 1 a trois prédicteurs, x1a, x2betx2c Le modèle 2 a trois prédicteurs du modèle 1 et deux prédicteurs supplémentaires x2aetx2b Il existe une équation de régression de la population où la variance de la...
J'ai un échantillon de 1 449 points de données qui ne sont pas corrélés (r au carré 0,006). En analysant les données, j'ai découvert qu'en divisant les valeurs des variables indépendantes en groupes positifs et négatifs, il semble y avoir une différence significative dans la moyenne des variables...