La regresión beta es útil cuando la variable dependiente está acotada o cuando tiene un efecto techo o piso. También se puede utilizar para modelar tanto la media como la varianza.
Estoy pensando en construir un modelo que prediga una relación , donde y y . Entonces, la relación estaría entre y .a ≤ b a > 0 b > 0 0 1a/ba/ba/ba≤ba≤ba \le ba>0a>0a > 0b>0b>0b > 0000111 Podría usar la regresión lineal, aunque naturalmente no se limita a 0..1. No tengo ninguna...
La premisa es esta cita de la viñeta del paquete R betareg1 . Además, el modelo comparte algunas propiedades (como el predictor lineal, la función de enlace, el parámetro de dispersión) con modelos lineales generalizados (GLMs; McCullagh y Nelder 1989), pero no es un caso especial de este marco...
Tengo algunos datos en [0,1] que me gustaría analizar con una regresión beta. Por supuesto, hay que hacer algo para acomodar los valores de 0,1. No me gusta modificar los datos para que se ajusten a un modelo. Tampoco creo que la inflación cero y 1 sea una buena idea porque creo que en este caso...
Estoy tratando de producir un modelo para el que tengo una variable de respuesta que es una proporción entre 0 y 1, esto incluye bastantes 0s y 1s pero también muchos valores intermedios. Estoy pensando en intentar una regresión beta. El paquete que he encontrado para R (betareg) solo permite...
La regresión beta (es decir, GLM con distribución beta y generalmente la función de enlace logit) a menudo se recomienda para tratar la respuesta, también conocida como variable dependiente que toma valores entre 0 y 1, como fracciones, razones o probabilidades: regresión para un resultado...
Recientemente, he estado interesado en implementar un modelo de regresión beta, para un resultado que es una proporción. Tenga en cuenta que este resultado no encajaría en un contexto binomial, porque no existe un concepto significativo de un "éxito" discreto en este contexto. De hecho, el...
¿Cómo se calcula la matriz de error var / cov mediante paquetes de análisis estadístico en la práctica? Esta idea es clara para mí en teoría. Pero no en la práctica. Quiero decir, si tengo un vector de variables aleatorias , entiendo que la matriz de varianza / covarianza se le dará el producto...
Tengo un conjunto de datos compuesto de proporciones que miden el "nivel de actividad" de renacuajos individuales, por lo tanto, los valores se unen entre 0 y 1. Estos datos se recopilaron contando el número de veces que el individuo se movió dentro de un cierto intervalo de tiempo (1 para el...
Estoy intentando modelar una variable de respuesta que está teóricamente limitada entre -225 y +225. La variable es la puntuación total que obtuvieron los sujetos al jugar un juego. Aunque en teoría es posible que los sujetos obtengan un puntaje de +225. A pesar de esto porque el puntaje no solo...
Estoy tratando de construir un modelo donde la respuesta sea proporcional (en realidad es la proporción de votos que un partido obtiene en los distritos electorales). Su distribución no es normal, así que decidí modelarla con una distribución beta. También tengo varios predictores. Sin embargo, no...
Esto debe aparecer --- el pronóstico de cosas que están atrapadas entre 0 y 1. En mi serie, sospecho que hay un componente de regresión automática y también un componente de reversión a la media, por lo que quiero algo que pueda interpretar como un ARIMA --- pero no quiero que se dispare al 1000%...
Los siguientes injertos se toman de este artículo . Soy novato en bootstrap e intento implementar el bootstrapping paramétrico, semiparamétrico y no paramétrico para el modelo mixto lineal con R bootpaquete. Código R Aquí está mi
Supongamos que ajusto una regresión binomial y obtengo las estimaciones puntuales y la matriz de varianza-covarianza de los coeficientes de regresión. Eso me permitirá obtener un IC para la proporción esperada de éxitos en un experimento futuro, , pero necesito un IC para la proporción observada....
Primero déjame darte algunos antecedentes; Resumiré mis preguntas al final. La distribución Beta, parametrizada por su media yμμ\muϕϕ\phi, tiene Var( Y) = V( μ ) / ( ϕ + 1 )Var(Y)=V(μ)/ /(ϕ+1)\operatorname{Var}(Y) = \operatorname{V}(\mu)/(\phi+1), donde es la función de variación.V( μ ) = μ ( 1...