Questions tagged «regression-to-the-mean»

丹尼尔·卡尼曼（Daniel Kahneman）在《快与慢的思考》中提出了以下假设问题： （第186页）朱莉目前在州立大学任教。她四岁时能流利阅读。她的平均成绩（GPA）是多少？ 他的目的是说明在做出有关某些统计数据的预测时，我们通常如何无法解释均值的回归。在随后的讨论中，他建议： （第190页）回想一下，在当前案例中，阅读年龄和GPA两项测量之间的相关性等于决定因素中共享因素的比例。您对该比例的最佳猜测是什么？我最乐观的猜测是大约30％。假定此估计，我们将需要产生一个无偏预测。以下是通过四个简单步骤到达那里的说明： 首先估算平均GPA。 确定符合您对证据印象的GPA。 估计阅读早熟与GPA之间的相关性。 如果相关系数是0.30，则将平均值的30％距离移到匹配的GPA。 我对他的建议的解释如下： 使用“她四岁时能流利阅读”为朱莉的阅读早熟建立标准分数。 确定具有相应标准分数的GPA。（如果 GPA和阅读早熟之间的相关性是完美的，则可以预测的合理GPA将与此标准分数相对应。） 估计GPA差异的百分比可以通过阅读早熟的差异来解释。（在这种情况下，我假设他指的是“相关”的确定系数？） 由于朱莉的阅读早熟标准分数的只有30％可以由解释她的GPA标准分数的因素来解释，因此我们仅有理由预测朱莉的GPA标准分数将是该分数的30％在完全相关的情况下。 我对卡尼曼程序的解释正确吗？如果是这样，他的程序是否有更正式的数学证明，尤其是步骤4？通常，两个变量之间的相关性与其标准分数的变化/差异之间是什么关系？

14 standard-deviation  regression-coefficients  regression-to-the-mean 

我的数据集非常大，大约缺少5％的随机值。这些变量相互关联。以下示例R数据集只是一个具有虚拟相关数据的玩具示例。 set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep ="") rownames(xmat) <- paste("sample", 1:200, sep = "") #M variables are correlated N <- 2000000*0.05 # 5% random missing values inds <- round ( runif(N, 1, length(xmat)) …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf