Les méthodes algorithmiques de sélection des variables par étapes tendent à sélectionner des modèles qui biaisent plus ou moins toutes les estimations dans les modèles de régression ( ββ\beta s et leurs SE, valeurs p , statistiques F , etc.), et sont à peu près aussi susceptibles d'exclure les...
J'ai rencontré des statisticiens qui n'utilisent jamais de modèles autres que la régression linéaire pour la prédiction, car ils croient que les "modèles ML" tels que la forêt aléatoire ou le renforcement du gradient sont difficiles à expliquer ou "non interprétables". Dans une régression linéaire,...
J'ai quelques données de fréquence cumulées. Une ligne semble très bien correspondre aux données, mais il y a un mouvement cyclique / périodique dans la ligne. Je voudrais estimer quand la fréquence cumulée atteindra une certaine valeur c . Lorsque je trace les valeurs résiduelles par rapport aux...
Je suis un étudiant en médecine qui essaie de comprendre les statistiques (!) - alors s'il vous plaît soyez doux! ;) J'écris un essai contenant une bonne quantité d'analyses statistiques, y compris l'analyse de survie (Kaplan-Meier, Log-Rank et régression de Cox). J'ai effectué une régression de...
J'essaie de comprendre la logique derrière le test F ANOVA dans l'analyse de régression linéaire simple. Ma question est la suivante. Lorsque la valeur F, c'est-à MSR/MSE- dire est grande, nous acceptons le modèle comme significatif. Quelle est la logique derrière
Je sais que la corrélation n'implique pas la causalité mais plutôt la force et la direction de la relation. Une régression linéaire simple implique-t-elle un lien de causalité? Ou un test statistique inférentiel (test t, etc.) est-il nécessaire pour
J'ai un modèle ajusté (de la littérature). J'ai également les données brutes pour les variables prédictives. Quelle est l'équation que je devrais utiliser pour obtenir des probabilités? Fondamentalement, comment combiner des données brutes et des coefficients pour obtenir des...
Nous travaillons avec quelques régressions logistiques et nous avons réalisé que la probabilité moyenne estimée est toujours égale à la proportion de celles de l'échantillon; c'est-à-dire que la moyenne des valeurs ajustées est égale à la moyenne de l'échantillon. Quelqu'un peut-il m'expliquer la...
Mise à jour : Désolé pour une autre mise à jour, mais j'ai trouvé des solutions possibles avec des polynômes fractionnaires et le package de risques concurrents avec lesquels j'ai besoin d'aide. Le problème Je ne trouve pas de moyen facile de faire une analyse de coefficient dépendant du temps dans...
Supposons que nous ayons exécuté une régression linéaire simple y=β0+β1x+uy=β0+β1x+uy=\beta_0+\beta_1x+u , enregistré les résidus et dessiné un histogramme de distribution des résidus. Si nous obtenons quelque chose qui ressemble à une distribution familière, pouvons-nous supposer que notre terme...
Je me demande pourquoi utilisons-nous l'hypothèse gaussienne lors de la modélisation de l'erreur. Dans le cours de ML de Stanford , le professeur Ng le décrit essentiellement de deux manières: C'est mathématiquement pratique. (Il est lié à l'ajustement des moindres carrés et facile à résoudre avec...
Je mène une expérience qui présente les éléments suivants: DV: consommation de tranche (continue ou pourrait être catégorique) IV: Message sain, message malsain, pas de message (contrôle) (3 groupes dans lesquels les gens sont assignés au hasard - catégorique) Il s'agit d'un message manipulé sur la...
Il s'agit d'une question de base sur les modèles Box-Jenkins MA. Si je comprends bien, un modèle MA est essentiellement une régression linéaire des valeurs de séries temporelles YYY rapport aux termes d'erreur précédents . Autrement dit, l'observation est d'abord régressée par rapport à ses valeurs...
J'ai six variables dépendantes (données de comptage) et plusieurs variables indépendantes, je vois que dans un MMR le script va comme ceci: my.model <- lm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn) Mais, comme mes données sont des nombres, je veux utiliser un modèle linéaire...
Je fais une régression linéaire avec une variable dépendante transformée. La transformation suivante a été effectuée pour que l'hypothèse de normalité des résidus soit maintenue. La variable dépendante non transformée a été biaisée négativement, et la transformation suivante l'a rendue proche de la...
J'ai deux séries chronologiques: Un proxy de la prime de risque de marché (ERP; ligne rouge) Le taux sans risque, fondé sur une obligation d'État (ligne bleue) Je veux tester si le taux sans risque peut expliquer l'ERP. Par la présente, j'ai essentiellement suivi les conseils de Tsay (2010, 3e...
J'implémente Ridge Regression dans un module Python / C, et je suis tombé sur ce "petit" problème. L'idée est que je souhaite échantillonner les degrés de liberté effectifs plus ou moins également espacés (comme le graphique de la page 65 sur les "Éléments de l'apprentissage statistique" ),...
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
Expliquez brièvement ce que l'on entend par interpolation. Comment est-elle liée au concept de régression? l'interpolation est l'art de lire entre les lignes d'un tableau et en mathématiques élémentaires, le terme désigne généralement le processus de calcul des valeurs intermédiaires d'une fonction...
J'ai effectué une régression avec 4 variables, et toutes sont très statistiquement significatives, avec des valeurs T ≈7,9,26≈7,9,26\approx 7,9,26 et 313131 (je dis ≈≈\approx car il ne semble pas pertinent d'inclure les décimales) qui sont très élevées et clairement significatives. Mais alors le...