Considérez la régression linéaire avec une certaine régularisation: par exemple, trouver qui minimisexxx||Ax−b||2+λ||x||1||Ax−b||2+λ||x||1||Ax - b||^2+\lambda||x||_1 Habituellement, les colonnes de A sont normalisées pour avoir une moyenne et une norme unitaire nul, tandis que est centrée pour...
J'ai des données de comptage (analyse de l'offre / de la demande avec le nombre de clients, en fonction - éventuellement - de nombreux facteurs) J'ai essayé une régression linéaire avec des erreurs normales, mais mon tracé QQ n'est pas vraiment bon. J'ai essayé une transformation logarithmique de...
C'est quelque chose que je vois comme une sorte de méthode ad hoc et cela me semble très louche, mais peut-être que je manque quelque chose. J'ai vu cela en régression multiple, mais restons simples: yi=β0+β1xi+εiyi=β0+β1xi+εi y_{i} = \beta_{0} + \beta_{1} x_{i} + \varepsilon_{i} Maintenant, prenez...
Ce lien wikipedia répertorie un certain nombre de techniques pour détecter l'hétéroscédasticité des résidus OLS. Je voudrais savoir quelle technique pratique est plus efficace pour détecter les régions affectées par l'hétéroscédasticité. Par exemple, ici, la région centrale du graphique OLS ``...
J'ai souvent vu les conseils pour vérifier si un ajustement du modèle de Poisson est trop dispersé, ce qui implique de diviser la déviance résiduelle par les degrés de liberté. Le rapport résultant doit être "environ 1". La question est de savoir de quelle plage parlons-nous pour "approximative" -...
Quel serait un nombre minimal «raisonnable» d'observations pour rechercher une tendance dans le temps avec une régression linéaire? qu'en est-il de l'ajustement d'un modèle quadratique? Je travaille avec des indices composites d'inégalité en santé (SII, RII), et n'ai que 4 vagues de l'enquête, donc...
Je ne sais pas si normaliser est le mot correct à utiliser ici, mais je ferai de mon mieux pour illustrer ce que j'essaie de demander. L'estimateur utilisé ici est le moindre carré. Supposons que vous ayez y=β0+β1x1y=β0+β1x1y=\beta_0+\beta_1x_1 , vous pouvez le centrer autour de la moyenne par où...
Disons que j'ai une régression multivariable (plusieurs variables indépendantes) qui se compose de 3 variables. Chacune de ces variables a un coefficient donné. Si je décide d'introduire une 4ème variable et de relancer la régression, les coefficients des 3 variables d'origine vont-ils changer?...
Je viens de lire un article dans lequel les auteurs ont effectué une régression multiple avec deux prédicteurs. La valeur globale du r au carré était de 0,65. Ils ont fourni un tableau qui divise le r au carré entre les deux prédicteurs. Le tableau ressemblait à ceci: rsquared beta df pvalue whole...
Je suis encore assez nouveau dans les modèles linéaires généralisés, et j'ai du mal avec beaucoup de notation dans la plupart des textes GLM que j'ai choisis. Existe-t-il des livres GLM extrêmement populaires qui se prêtent mieux à la
J'ai des données pour un réseau de stations météorologiques à travers les États-Unis. Cela me donne un bloc de données qui contient la date, la latitude, la longitude et une certaine valeur mesurée. Supposons que les données soient collectées une fois par jour et dictées par la météo à l'échelle...
Quelles sont les exigences de stationnarité de l'utilisation de la régression avec des erreurs ARIMA (régression dynamique) pour l'inférence? Plus précisément, j'ai une variable de résultat continue non stationnaire , une variable prédictive continue non stationnaire et une série de traitement de...
Au cours des derniers mois, j'ai lu intensivement sur la régression quantile en préparation de ma thèse de maîtrise cet été. Plus précisément, j'ai lu la plupart des livres de Roger Koenker de 2005 sur le sujet. Maintenant, je veux étendre ces connaissances existantes aux techniques de régression...
En régression lasso ou crête, il faut spécifier un paramètre de rétrécissement, souvent appelé par ou α . Cette valeur est souvent choisie par validation croisée en vérifiant un tas de valeurs différentes sur les données d'entraînement et en voyant celle qui donne le meilleur, par exemple R 2 sur...
Comme expliqué dans ce document de cours (page 1) , un modèle linéaire peut être écrit sous la forme: y= β1X1+ ⋯ + βpXp+ εje,y=β1X1+⋯+βpXp+εje, y = \beta_1 x_{1} + \cdots + \beta_p x_{p} + \varepsilon_i, où est la variable de réponse et est la i ^ {ème} variable explicative.yyyXjeXjex_{i}jet...
La régression de crête estime les paramètres ββ\boldsymbol \beta dans un modèle linéaire y=Xβy=Xβ\mathbf y = \mathbf X \boldsymbol \beta by β^λ=(X⊤X+λI)−1X⊤y,β^λ=(X⊤X+λI)−1X⊤y,\hat{\boldsymbol \beta}_\lambda = (\mathbf X^\top \mathbf X + \lambda \mathbf I)^{-1} \mathbf X^\top \mathbf y, où...
Si nous commençons avec un ensemble de données , y appliquons Lasso et obtenons une solution , nous pouvons appliquer à nouveau Lasso à l'ensemble de données , où S est l'ensemble des non index zéro de \ beta ^ L , pour obtenir une solution, \ beta ^ {RL} , appelée solution 'LASSO détendue'...
Dans la régression des moindres carrés partiels (PLSR) ou la modélisation des équations structurelles des moindres carrés partiels (PLS-SEM), à quoi fait référence le terme
Je sais que les résidus Pearson standardisés sont obtenus de manière probabiliste traditionnelle: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} et les résidus de déviance sont obtenus de manière plus statistique (la contribution de chaque point à la...
J'utilise la régression linéaire multiple pour décrire les relations entre Y et X1, X2. D'après la théorie, j'ai compris que la régression multiple suppose des relations linéaires entre Y et chacun de X (Y et X1, Y et X2). Je n'utilise aucune transformation de X. J'ai donc obtenu le modèle avec R =...