Nota: = Suma de cuadrados totales, = Suma de errores al cuadrado, y = Suma de cuadrados de la regresión. La ecuación en el título a menudo se escribe como:SSTSSTSSTSSESSESSESSRSSRSSR ∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2\sum_{i=1}^n (y_i-\bar...
He tomado un curso de aprendizaje automático en mi universidad. En uno de los premios, se hizo esta pregunta. Modelo 1: Modelo 2:y=θx+ϵy=θx+ϵ y = \theta x + \epsilon y=θx+θ2x+ϵy=θx+θ2x+ϵ y = \theta x + \theta^2 x + \epsilon ¿Cuál de los modelos anteriores se ajustaría mejor a los datos?...
Estoy realmente confundido acerca de la diferencia de significado con respecto al contexto de regresión lineal de los siguientes términos: Estadística F R-cuadrado Error estándar residual Encontré este sitio web que me dio una gran comprensión de los diferentes términos involucrados en la...
Me gusta entender la diferencia entre con o sin modelo de intercepción en regresión logística ¿Hay alguna diferencia entre ellos, excepto que con la intersección los coeficientes consideran el log (odds ratio) en relación con el grupo de referencia y sin la intersección consideran el log (odds)?...
Puede ser una pregunta extraña, pero como novato en el tema, me pregunto por qué usamos la regresión para detener una serie de tiempo si una de las suposiciones de la regresión es que los datos deberían aplicarse, mientras que los datos en los que se aplica la regresión son no...
¿Por qué la regresión lineal y el modelo generalizado tienen supuestos inconsistentes? En la regresión lineal, suponemos que el residuo proviene de Gauss En otra regresión (regresión logística, regresión por envenenamiento), asumimos que la respuesta viene de alguna distribución (binomial,...
Entiendo que significa que el modelo es malo para predecir puntos de datos individuales, pero ha establecido una tendencia firme (por ejemplo, y sube cuando x
Digamos que tenemos los puntos de datos de entrada (predictor) y de salida (respuesta) A, B, C, D, E y queremos ajustar una línea a través de los puntos. Este es un problema simple para ilustrar la pregunta, pero también puede extenderse a dimensiones más altas. Planteamiento del problema El...
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...
Me doy cuenta de que esta puede ser una pregunta potencialmente amplia, pero me preguntaba si hay suposiciones generalizables que indiquen el uso de un GAM (modelo aditivo generalizado) sobre un GLM (modelo lineal generalizado). Recientemente, alguien me dijo que los GAM solo deberían usarse...
Tengo algunos datos que se ajustan a lo largo de una línea aproximadamente lineal: Cuando hago una regresión lineal de estos valores, obtengo una ecuación lineal: y=0.997x−0.0136y=0.997x−0.0136y = 0.997x-0.0136 En un mundo ideal, la ecuación debería ser .y=xy=xy = x Claramente, mis valores...
La pregunta es sencilla: ¿es apropiado usar la regresión lineal cuando Y es acotado y discreto (por ejemplo, el puntaje de la prueba 1 ~ 100, alguna clasificación predefinida 1 ~ 17)? En este caso, ¿"no es bueno" usar regresión lineal, o es totalmente incorrecto
El teorema de Gauss-Markov nos dice que el estimador OLS es el mejor estimador lineal imparcial para el modelo de regresión lineal. Pero supongamos que no me importa la linealidad y la imparcialidad. Entonces, ¿hay algún otro estimador (posible no lineal / sesgado) para el modelo de regresión...
Tengo una regresión multivariada, que incluye interacciones. Por ejemplo, para obtener la estimación del efecto del tratamiento para el quintil más pobre, necesito agregar los coeficientes del regresor del tratamiento al coeficiente de la variable de interacción (que interactúa con el tratamiento y...
Uno de los supuestos de la regresión logística es la linealidad en el logit. Entonces, una vez que tengo mi modelo en funcionamiento, pruebo la no linealidad con la prueba Box-Tidwell. Uno de mis predictores continuos (X) ha dado positivo por no linealidad. ¿Qué se supone que debo hacer a...
¿Cuáles son los pros y los contras de usar LARS [1] versus usar el descenso coordinado para ajustar la regresión lineal regularizada por L1? Estoy principalmente interesado en los aspectos de rendimiento (mis problemas tienden a tener Ncientos de miles y p<20). Sin embargo, cualquier otra...
Estoy ajustando una regresión logística paso a paso en un conjunto de datos en SPSS. En el procedimiento, estoy ajustando mi modelo a un subconjunto aleatorio que es de aprox. 60% de la muestra total, lo que equivale a unos 330 casos. Lo que me parece interesante es que cada vez que vuelvo a...
Me gustaría obtener los coeficientes para el problema LASSO ||Y−Xβ||+λ||β||1.||Y−Xβ||+λ||β||1.||Y-X\beta||+\lambda ||\beta||_1. El problema es que las funciones glmnet y lars dan respuestas diferentes. Para la función glmnet pido los coeficientes de en lugar de solo λ , pero aún obtengo...
Estoy buscando métodos que puedan usarse para estimar el modelo de error de medición "OLS". x i = X i + e x , i Y i = α + β X iyi=Yi+ey,iyi=Yi+ey,iy_{i}=Y_{i}+e_{y,i} xi=Xi+ex,ixi=Xi+ex,ix_{i}=X_{i}+e_{x,i} Yi=α+βXiYi=α+βXiY_{i}=\alpha + \beta X_{i} Donde los errores son normales e...
Estoy viendo un modelo de regresión que está retrocediendo los rendimientos del índice bursátil año tras año en los retornos rezagados (12 meses) del mismo índice bursátil, diferencia de crédito (diferencia entre la media mensual de bonos sin riesgo y los bonos corporativos rendimientos), tasa de...