Saya mulai dengan regresi OLS saya: y=β0+β1x1+β2D+εy=β0+β1x1+β2D+ε y = \beta _0 + \beta_1x_1+\beta_2 D + \varepsilon mana D adalah variabel dummy, perkiraan menjadi berbeda dari nol dengan nilai p yang rendah. Saya kemudian membentuk tes Ramsey RESET dan menemukan bahwa saya memiliki beberapa...
Saya telah memahami bagaimana regresi ridge mengecilkan koefisien terhadap nol secara geometris. Selain itu saya tahu bagaimana membuktikannya dalam "Kasus Orthonormal" yang istimewa, tetapi saya bingung bagaimana cara kerjanya dalam kasus umum melalui "Dekomposisi
Saya baru-baru ini menganalisis percobaan yang memanipulasi 2 variabel kategori dan satu variabel kontinu menggunakan ANCOVA. Namun, peninjau menyarankan bahwa regresi berganda dengan variabel kategori dikodekan sebagai variabel dummy adalah tes yang lebih tepat untuk eksperimen dengan variabel...
Saya membaca bahwa ini adalah kondisi untuk menggunakan model regresi berganda: residu model hampir normal, variabilitas residu hampir konstan residu bersifat independen, dan setiap variabel terkait secara linear dengan hasil. Bagaimana 1 dan 2 berbeda? Anda dapat melihatnya di sini: Jadi...
Sketsa Wikipedia dan paket sandwich R memberikan informasi yang baik tentang asumsi yang mendukung kesalahan standar koefisien OLS dan latar belakang matematika dari penduga sandwich. Saya masih belum jelas bagaimana masalah heteroscedasticity residual ditangani, mungkin karena saya tidak...
Apakah menyusun kembali model regresi linier multivariat sebagai regresi linier berganda sepenuhnya setara? Saya tidak mengacu hanya menjalankan ttt regresi terpisah. Saya telah membaca ini di beberapa tempat (Bayesian Data Analysis - Gelman et al., Dan Multivariate Old School - Marden) bahwa...
Saya memahami konsep bahwa ß 0 adalah mean ketika variabel kategoris sama dengan 0 (atau kelompok referensi), memberikan interpretasi akhir bahwa koefisien regresi adalah perbedaan mean dari dua kategori. Bahkan dengan> 2 kategori saya akan menganggap setiap β menjelaskan perbedaan antara...
Saya menghabiskan beberapa waktu untuk belajar mesin pembelajaran (maaf untuk rekursi :) dan saya tidak bisa tidak tertarik dengan aturan praktis untuk memilih Gradient Descent daripada penyelesaian persamaan langsung untuk menghitung koefisien regresi, dalam kasus regresi linier multivariat. Rule...
Saya berharap seseorang dapat membantu meluruskan titik kebingungan bagi saya. Katakanlah saya ingin menguji apakah 2 set koefisien regresi secara signifikan berbeda satu sama lain, dengan pengaturan berikut: yi=α+βxi+ϵiyi=α+βxi+ϵiy_i = \alpha + \beta x_i + \epsilon_i , dengan 5 variabel...
Saya menemukan referensi di artikel yang berbunyi seperti: Menurut Tabachnick & Fidell (1996) variabel independen dengan korelasi bivariat lebih dari 0,70 tidak boleh dimasukkan dalam analisis regresi berganda. Masalah: Saya digunakan dalam desain regresi berganda 3 variabel...
Saya sedang melakukan percobaan yang memiliki yang berikut: DV: Konsumsi slice (berkelanjutan atau bisa dikategorikan) IV: Pesan sehat, pesan tidak sehat, tidak ada pesan (kontrol) (3 kelompok di mana orang ditugaskan secara acak - kategorikal) Ini adalah pesan yang dimanipulasi tentang kesehatan...
Saya telah melatih model regresi linier, menggunakan serangkaian variabel / fitur. Dan modelnya memiliki kinerja yang baik. Namun, saya menyadari bahwa tidak ada variabel dengan korelasi yang baik dengan variabel yang diprediksi. Bagaimana itu
Adakah yang bisa menjelaskan kepada saya perbedaan nyata antara analisis regresi dan pemasangan kurva (linear dan nonlinier), dengan contoh jika mungkin? Tampaknya keduanya mencoba untuk menemukan hubungan antara dua variabel (dependen vs independen) dan kemudian menentukan parameter (atau...
Saya memiliki enam variabel dependen (jumlah data) dan beberapa variabel independen, saya melihat bahwa dalam MMR skripnya seperti ini: my.model <- lm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn) Tapi, karena data saya dihitung, saya ingin menggunakan model linier umum dan saya...
Saya memiliki model dataset Film dan saya menggunakan regresi: model <- lm(imdbVotes ~ imdbRating + tomatoRating + tomatoUserReviews+ I(genre1 ** 3.0) +I(genre2 ** 2.0)+I(genre3 ** 1.0), data = movies) library(ggplot2) res <- qplot(fitted(model),
Saya menggunakan regresi linier berganda untuk menggambarkan hubungan antara Y dan X1, X2. Dari teori saya mengerti bahwa regresi berganda mengasumsikan hubungan linier antara Y dan masing-masing X (Y dan X1, Y dan X2). Saya tidak menggunakan transformasi X. Jadi, saya mendapatkan model dengan R...
Saya bertemu dengan beberapa ahli statistik yang tidak pernah menggunakan model selain Regresi Linier untuk prediksi karena mereka percaya bahwa "model ML" seperti meningkatkan acak hutan atau gradien sulit untuk dijelaskan atau "tidak dapat ditafsirkan". Dalam Regresi Linier, mengingat bahwa...
Saya baru saja membaca sebuah makalah di mana penulis melakukan regresi berganda dengan dua prediktor. Nilai r-squared keseluruhan adalah 0,65. Mereka menyediakan tabel yang membagi r-kuadrat antara dua prediktor. Tabelnya terlihat seperti ini: rsquared beta df pvalue whole model 0.65 NA 2, 9...
Katakanlah saya memiliki regresi multivariabel (beberapa variabel independen) yang terdiri dari 3 variabel. Masing-masing variabel memiliki koefisien yang diberikan. Jika saya memutuskan untuk memperkenalkan variabel ke-4 dan menjalankan kembali regresi, akankah koefisien dari 3 variabel asli...
Dalam regresi parsial kuadrat terkecil (PLSR) atau pemodelan persamaan struktural kuadrat terkecil parsial (PLS-SEM), apa merujuk istilah