Questions tagged «multiple-regression»

该线性回归模型做了一堆假设该位数回归的不和，如果线性回归的假设成立，那么我的直觉（和一些非常有限的经验）是中位数回归将给几乎相同的结果作为线性回归。 那么，线性回归有什么优势呢？当然更熟悉了，但除此之外呢？

15 regression  multiple-regression  quantile-regression 

我有一个用四种方法测试的预测模型，如下面的箱线图所示。模型预测的属性在0到8的范围内。 您可能会注意到，所有方法都指示一个上界离群值和三个下界离群值。我想知道从数据中删除这些实例是否合适？还是这是一种欺骗，以改善预测模型？

15 regression  machine-learning  multiple-regression  predictive-models  outliers 

今天，我正在研究一个小的数据集，并执行了一个简单的OLS回归，由于完美的多重共线性，我预计会失败。但是，事实并非如此。这意味着我对多重共线性的理解是错误的。 我的问题是：我哪里错了？ 我认为我可以证明我的一个变量是其他变量的线性组合。这将导致没有完整等级的回归矩阵，因此不应识别系数。 我生成了一个小的可复制数据集（下面的代码）： exporter importer flow dist intraUS 1 Canada Canada 996.8677 6.367287 0 2 Florida Canada 995.8219 9.190562 0 3 Texas Canada 1001.6475 4.359063 0 4 Mexico Canada 1002.4371 7.476649 0 5 Canada Florida 1002.8789 5.389223 0 6 Florida Florida 1007.5589 6.779686 1 7 Texas Florida 996.8938 1.570600 …

15 multiple-regression  least-squares  multicollinearity 

特别是，我想知道为什么会有这个概念多元R（我可以理解为多元回归中观察到的分数与预测分数之间的相关性），然后有一个单独的概念R平方，即平方或R。 我被告知R平方是解释的百分比变化而R不是，但是我不理解相关性和解释的变化之间的区别。

15 multiple-regression 

作为作业的一部分，我必须对具有两个预测变量的模型进行拟合。然后，我不得不针对所包含的预测变量之一绘制模型残差的图，并根据该残差进行更改。该图显示了曲线趋势，因此我为该预测变量包括了一个二次项。新模型显示二次项很重要。到目前为止一切都很好。 但是，数据表明交互也很有意义。在原始模型中添加一个交互项也可以“固定”曲线趋势，并且在添加到模型中时也非常重要（没有二次项）。问题是，当将二次项和交互项都添加到模型中时，其中一项不重要。 我应该在模型中包括哪个术语（二次方或相互作用），为什么？

15 statistical-significance  multiple-regression  modeling 

我在R MASS软件包中使用rlm回归多元线性模型。它适用于许多样本，但对于特定模型，我得到了准零系数： Call: rlm(formula = Y ~ X1 + X2 + X3 + X4, data = mymodel, maxit = 50, na.action = na.omit) Residuals: Min 1Q Median 3Q Max -7.981e+01 -6.022e-03 -1.696e-04 8.458e-03 7.706e+01 Coefficients: Value Std. Error t value (Intercept) 0.0002 0.0001 1.8418 X1 0.0004 0.0000 13.4478 X2 -0.0004 …

15 r  multiple-regression  robust 

我目前正在评估数据集中的多重共线性。 以下/上方的VIF和条件指数的阈值表示什么问题？ VIF： 我听说VIF 是一个问题。≥ 10≥10\geq 10 除去两个问题变量后，VIF是为每个变量。变量是否需要更多处理，或者这个VIF看起来还好吗？≤ 3.96≤3.96\leq 3.96 条件指数： 我听说条件指数（CI）为30或更大是一个问题。我的最高CI为16.66。这有问题吗？ 其他问题： 还有其他需要考虑的事项吗？ 还有其他需要记住的事情吗？

15 multiple-regression  linear-model  multicollinearity  vif 

我有一个带有约6个预测变量的线性模型，我将介绍估计值，F值，p值等。但是，我想知道哪种可视化图最好地代表单个预测变量对响应变量？散点图？条件图？效果图？等等？我将如何解释该情节？ 我将在R中进行此操作，因此，如果可以的话，请随时提供示例。 编辑：我主要关心呈现任何给定的预测变量和响应变量之间的关系。

15 r  regression  data-visualization  multiple-regression  partial-plot 

我熟悉使用多个线性回归来创建各种变量的模型。但是，我很好奇是否曾经使用回归测试来进行任何类型的基本假设测试。如果是这样，这些方案/假设是什么样的？

15 regression  hypothesis-testing  multiple-regression 

假设我有N个观测值，可能是多个因素，并且我将每个观测值重复两次（或M次），那么对于这组新的NM大小的回归与仅对原始观测值的回归相比会如何？

15 regression  linear-model  multiple-regression 

我在阿卜迪（2003）中读到 当自变量成对正交时，通过计算此自变量与因变量之间的回归斜率，可以评估它们各自在回归中的作用。在这种情况下（即IV的正交性），部分回归系数等于回归系数。在所有其他情况下，回归系数将与部分回归系数不同。 但是，该文档先前并未解释这两种回归系数之间的区别。 Abdi，H.（2003年）。偏回归系数。在Lewis-Beck M.，Bryman，A.，Futing T.（编）（2003年）《社会科学百科全书：研究方法》中。加利福尼亚州千橡市：SAGE出版物。

14 regression  multiple-regression  regression-coefficients  terminology 

我有一个如下的理论经济模型， y=a+b1x1+b2x2+b3x3+uy=a+b1x1+b2x2+b3x3+u y = a + b_1x_1 + b_2x_2 + b_3x_3 + u 因此，理论认为存在，和因子来估计。x1x1x_1x2x2x_2x3x3x_3yyy 现在我有了真实的数据，我需要估计，，。问题在于实际数据集仅包含和数据；没有数据。所以我实际上可以拟合的模型是：b1b1b_1b2b2b_2b3b3b_3x1x1x_1x2x2x_2x3x3x_3 y=a+b1x1+b2x2+uy=a+b1x1+b2x2+uy = a + b_1x_1 + b_2x_2 + u 可以估计这个模型吗？ 我会失去任何估计吗？ 如果我确实估计，b_2，那么b_3x_3项去哪儿？b 2 b 3 x 3b1b1b_1b2b2b_2b3x3b3x3b_3x_3 它由错误项uuu吗？ 并且我们想假设x3x3x_3与x1x1x_1和x_2不相关x2x2x_2。

14 regression  multiple-regression  endogeneity 

我有兴趣在多元线性回归中获得的无偏估计。R2R2R^2 通过反思，我可以想到的无偏估计可能试图匹配的两个不同值。R2R2R^2 出样品的：R2R2R^2如果从样品获得的回归方程时得到的R平方（即）施加于外部的样本数据的无限量，但是从同一数据生成处理。β^β^\hat{\beta} 人口R2R2R^2：如果获得了一个无限样品并且装配到无穷大样品（即，模型时得到的R平方），或者只是R平方由已知数据生成处理暗示。ββ\beta 我知道调整后的R2R2R^2旨在补偿样品观察到的过拟合。尽管如此，现在还不清楚是否调整ř 2实际上是的无偏估计- [R 2，并且如果它是一个无偏估计，其中上述两个定义的R2R2R^2R2R2R^2R2R2R^2它的目标是估计。R2R2R^2 因此，我的问题是： 我对以上所说的样本的无偏估计是多少 ？R2R2R^2 我所说的高于人口的无偏估计是多少 ？R2R2R^2 有没有提供模拟或其他证明无偏见的参考文献？

14 estimation  multiple-regression  r-squared  bias 

我以为我可能会喜欢上一些不错的博客文章和其中的链接论文，以选择一些贝叶斯变量来玩。我用rjags（我是个菜鸟）编写了一个程序，并获取了埃克森美孚的价格数据，以及一些不太可能解释其收益的信息（例如，钯金价格）以及其他应该高度相关的信息（例如SP500） ）。 运行lm()，我们看到有强有力的证据证明模型过度参数化，但是绝对应该排除钯： Call: lm(formula = Exxon ~ 0 + SP + Palladium + Russell + OilETF + EnergyStks, data = chkr) Residuals: Min 1Q Median 3Q Max -1.663e-03 -4.419e-04 3.099e-05 3.991e-04 1.677e-03 Coefficients: Estimate Std. Error t value Pr(>|t|) SP 0.51913 0.19772 2.626 0.010588 * Palladium 0.01620 0.03744 0.433 …

14 regression  bayesian  multiple-regression  feature-selection  jags 

在计量经济学中，简化形式是什么意思？另外，当人们说“我希望看到简化的表格估算值”时，他们正在寻找什么。这项工作已投入工作，个人解释和Google搜索过于技术化。希望有人能够举一个简单的例子。

14 regression  multiple-regression  econometrics