使用具有大量固定效应的回归快速预测
回归分析是一种统计分析方法，用于建立一个因变量与一个或多个自变量之间的关系模型。回归分析可以用于预测因变量的值，其中包括使用具有大量固定效应的回归模型进行快速预测。
具有大量固定效应的回归模型是指在回归分析中，除了自变量和因变量之间的线性关系外，还考虑了其他固定效应的因素。这些固定效应可以是某个特定群体的属性、时间的影响、地理位置等。通过考虑这些固定效应，回归模型可以更准确地预测因变量的值。
使用具有大量固定效应的回归快速预测可以在以下场景中应用：
- 经济预测：通过考虑经济指标、政策因素等固定效应，可以预测某个行业或国家的经济发展趋势。
- 市场预测：通过考虑市场规模、竞争对手、消费者行为等固定效应，可以预测某个产品或服务的市场需求和销售趋势。
- 社会科学研究：通过考虑个体特征、社会环境等固定效应，可以预测某个社会现象的发展和变化。
对于使用具有大量固定效应的回归快速预测，腾讯云提供了一系列相关产品和服务：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiup）：提供了丰富的机器学习算法和模型训练工具，可以用于构建回归模型并进行快速预测。
- 腾讯云大数据平台（https://cloud.tencent.com/product/dp）：提供了强大的数据处理和分析能力，可以用于处理大量固定效应的数据，并进行回归分析和预测。
- 腾讯云人工智能平台（https://cloud.tencent.com/product/ai）：提供了各种人工智能技术和工具，可以用于回归模型的构建和预测。
通过结合腾讯云的产品和服务，可以实现使用具有大量固定效应的回归快速预测，并应用于各种领域的问题解决和决策支持。
相关·内容
1回答
我对斯塔塔的NBA数据进行了GLS随机效应回归，我被告知这是错误的，因为我没有使用混合效应模型。也许每件事都是这样的，但我对这一解释感到十分困惑。下面是我使用Stata所做的工作：
因变量是球队获胜的变量，自变量是不同类型的对手投篮数据。
使用xtset来解释不同NBA赛季的面板数据
针对固定和随机效应的鲁棒xtreg
Hausman检验有较高的chi^2，所以我坚持GLS随机效应回归。
如果这是不正确的，请让我知道，以便我可以修复这个。当我的因变量是绝对变量时，我一直认为混合效应模型适用于logistic回归。我被告知在您的分析中没有考虑到这个团队分组结构，但是组变量是团队。
浏览 0提问于2017-01-18得票数 3
1回答
我第一次尝试在R中使用plm软件包。
我希望估计一个只有时间假人的池模型，即没有未观察到的异质性。
我对表单进行了简单的回归：
plm(dep ~ x:y -1, data=data, index=c("panel_var", "time_var"), effect="time", model="pooling")
，其中x是一个连续变量，y是一个范畴变量(因此x:y是交互作用)。我将-1添加到模型中，使其不包括拦截，因为我希望有时间假人。
当使用summary时，模型正确地告诉我“面板”和“时间”维度的时间大小。然而，它没有报告
浏览 0提问于2015-11-05得票数 2
回答已采纳
我试图用R中的bife软件包来估计一个具有固定效应的logistic回归模型，我使用这个链接-- --来建立模型。我的模型在bife命令中使用时如下所示：
logit.bife <- bife(Y ~ X1+X2+X3+X4+...+X13 | ID)
当我使用bife时，如何获得拦截值？它是否包含在我们在输出中得到的平均固定效应中？利用logit.bife$par_corr$avg_alpha可以获得平均固定效应。我有大约1266个ID值，使用logit.bife$par_corr$avg_alpha得到1256个固定效果估计值。但是，我不知道如何得到拦截值。结果表明，bife估计与
浏览 0提问于2019-02-03得票数 4
回答已采纳
我正在处理面板数据集，并试图运行具有固定效果的logit回归。
我发现来自lme4包和bife包的glmer模型适合这种工作。
然而，当我对每个模型进行回归时，我没有相同的结果(估计、标准误差等)。
下面是带有截距的glmer模型的代码和结果：
glmer_1 <- glmer(CVC_dummy~at_log + (1|year), data=own, family=binomial(link="logit"))
summary(glmer_1)
Estimate Std. Error zvalue Pr(>|z|)
(I
浏览 1提问于2019-02-20得票数 3
我试图找出如何在R中执行固定效果的logit回归(类似于Stata的xtlogit命令)。我读过几个包，如"pglm“或"bife”，但无法让我的模型运行。
我的数据保存为数据框架，如下所示：
ID Time Y X
1 2000 1 0
1 2001 0 1
1 2002 1 1
...
1 2016 1 0
...
n
基本上，我想运行固定效果logit回归：
y_jt = beta*x_jt + mu_j + pi_t + epsilon_jt
其中j是ID，t是时间，mu是ID固定的效果，pi是时间固定的效果，epsil
浏览 0提问于2018-02-20得票数 4
2回答
lme4在新层次上的预测
、、、、
我正在尝试拟合一个混合效应模型，然后使用该模型在可能具有不同级别的新数据集上生成估计。我预计新数据集上的估计值将使用估计参数的平均值，但情况似乎并非如此。下面是一个最小的工作示例：
library(lme4)
d = data.frame(x = rep(1:10, times = 3),
y = NA,
grp = rep(1:3, each = 10))
d$y[d$grp == 1] = 1:10 + rnorm(10)
d$y[d$grp == 2] = 1:10 * 1.5 + rnorm(10)
d$y[d$grp ==
浏览 2提问于2015-03-25得票数 9
回答已采纳
我正在尝试运行一个包含超过11,000个虚拟交互项的面板回归。我的回归如下所示：
xi: reg Y i.county*i.year
其中i.county*i.year表示虚拟变量的交互。无论是Stata，还是Matlab，或者R都不能容纳这么多的变量。我不确定是否有一个命令可以增加存储变量的数量(例如，stata中的-set matsize命令)。
我知道Stata矩阵的最大容量是11,000个变量。如何在Stata中运行这种固定效果回归？Mata是这里的一个选项吗？
浏览 2提问于2013-05-12得票数 0
回答已采纳
1回答
我目前正试图帮助一位同事，但我根本找不到解决办法。所以我希望其他人能帮助我们。
我有一个数据集，包含不同研究设计的权重数据，用于不同研究中的不同物种(一项研究包括多个设计和多个物种)。我想研究重量和研究设计之间的关系，用研究和物种作为嵌套随机效应。
模型看起来像这样，运行良好：
m <- lmer(weight ~ design +(1|study/species), data=dataset)
我试图对不同的物种进行预测，但通过一项一般性的研究:我做了一个新的data.table new.dt，其中包含了原始数据集的独特设计-物种组合，并为报告添加了一列。
new.dt <- u
浏览 4提问于2020-02-03得票数 3
回答已采纳
dataset dt由16万6千行组成，列为: log_price:依赖的数字回归器sku: 381级的独立分类回归器；具有15级transaction_type的独立分类回归器；2级的独立分类回归器；购买者:具有1001级regressor_01、.、regressor_04:四个独立的数字回归体。
我们只考虑沿数据集显示超过200行的skus。
model_1回归花了几分钟时间，得到了很好的结果：
model_1<- lmer (formula = log_price ~
0 +
浏览 5提问于2020-11-23得票数 1
回答已采纳
Stata允许通过相应的 fe和 re命令指定逻辑回归的固定效果和随机效果。我想知道在R中这些规范的等效命令是什么。
我所知道的唯一类似的规范是混合效应逻辑回归。
mymixedlogit <- glmer(y ~ x1 + x2 + x3 + (1 | x4), data = d, family = binomial)
但我不确定这是否映射到上述命令中的任何一个。
浏览 0提问于2014-04-22得票数 3
1回答
目前，我正在运行两种逻辑回归。
用SGD进行logistic回归
logistic回归与GD
按以下方式实施
SGD= SGDClassifier(loss="log",max_iter=1000,penalty='l1',alpha=0.001)
logreg = LogisticRegression(solver='liblinear', max_iter=100, penalty='l1', C=0.1)
不要介意超参数，因为我已经使用了GridsearchCV并尝试了多个组合。
当计算精度时，用GD逻辑比SGD更好。我想知
浏览 0提问于2021-05-11得票数 1
我试图从混合效应模型(logistic回归)中预测固定效应。我的模型是：
MOD.MIX.1 <- glmer(PATCH_TYPE~PC1+PC2+PC3+JUL.DAY+(1|Study_area)+
(1|ID),family=binomial,data=FOR.MODEL)
我试图用这种方式预测模型：
newdata <- with(MOD.MIX.1, expand.grid(PC1=unique(PC1),
PC2=mean(FOR.MODEL$PC2),
浏览 0提问于2014-11-03得票数 0
回答已采纳
2回答
我有一些平衡的面板数据，并希望将趋势变量包含在我的回归中。然而，我在7年的时间内有60个地区，我不确定如何包括趋势变量。年份变量与预期的一样，对于2005-2011年是重复的。我在思考以下几点：
gen t = .
replace t = 1 if year==2005
replace t = 2 if year==2006
直到2011年，它给了我从1到7的t变量，用于数据中的180个不同的面板。
我的问题是:是否可以像我上面描述的那样包含趋势变量，或者我应该直接将year变量抛入回归？
浏览 0提问于2013-07-27得票数 3
我学过统计学数学，现在正在选修机器学习课程。老师提到的第一个例子是如何利用机器学习找到一个线性趋势线。为什么会有人这么做？在我的统计课程中，根据我的理解，我们用远低于机器学习方法的计算机功率计算数据集上的线性趋势线。使用机器学习的线性回归仅仅是学习机器学习基础的一个很好的例子，还是有什么真实的理由可以解释为什么有人会使用机器学习来找到这样一个简单的趋势线？
浏览 0提问于2020-11-09得票数 2
1回答
多共线性是多元线性回归的主要假设之一，当自变量之间的相关性过高时，多元共线性就会出现。
然而，在学习线性回归时，关键问题之一是在模型中引入交互项来模拟交互效应，即当自变量对因变量的影响发生变化时，取决于其他一个或多个自变量的值(S)。
这两种说法不矛盾吗？如果模型中的X_1和X_2之间真的存在交互作用，那么一定要去掉X_1或X_2，使回归模型中的自变量不再相关，从而使多元共线性假设成立。放入交互术语似乎忽略了这一假设，而是引入了一个更多的术语来使其进一步复杂化。
从建模的角度来看，这是有意义的，但是如果我们这样做，数学崩溃不是吗？
浏览 0提问于2020-08-13得票数 1
2回答
我经常接到一项任务，要预测零售店的每月收入。假设我有一套N家分店的培训集，每一家都与一系列的历史月收入(目标)和一组时间无关的特征(例如地点(和所有相关的地理特征)、出入口类型、交易区域等)有关。然后，我有一个M网点的测试集，我需要预测一个特定时期的每月收入(例如，第一季度-第三季度2019年)。
我通常采取的方法是调整训练集上的历史收益，以趋势、季节性和通货膨胀为指标，然后以每个渠道的平均值为目标，训练我的回归模型(可能不是LightGBM)，得到对测试集的预测。这些预测，再一次，每个出口的平均调整趋势，季节性和通货膨胀，所以我需要死他们，以获得每月的预测。因此，基本上，该方案是:月历史收入
浏览 0提问于2019-10-11得票数 1
1回答
我需要用固定效应(例如单位FE)和几个回归量(RHS变量)进行glm (泊松)估计。我有一个不平衡的面板数据集，其中大多数(~90%)的观测值(NA)对一些但不是所有的回归者都有缺失。
fixest::feglm()可以处理这件事，并返回我的贴身型号。然而，为了做到这一点，它(和fixest::demean也)删除了至少缺少一个回归元的观测值，在构造固定效果的方法之前。
在我的例子中，我担心这意味着没有在数据中使用大量的可用信息。因此，我想用手贬低我的变量，以便能够在每个固定效果维度的平均值中包含尽可能多的信息，然后对降级的数据运行feglm。然而，这意味着获得负因变量值，这是不兼容的泊松。如
浏览 11提问于2020-09-09得票数 0
我试图在熊猫中实现一个随机效果模型，但我的回归系数与Stata的输出不匹配。我使用的是航空公司路线和机票价格的面板。下面是我的Python代码：
import pandas as pd
import pandas.stats.plm as plm
airline = pd.read_csv("C:...\Airline.csv")
airline['constant'] = 1.0
airline = airline.set_index(['route', 'time'])
airlinePanel = airline.to_p
浏览 2提问于2015-06-27得票数 3
我正在使用论坛上的评论文本来预测它将获得多少选票。我想要说，“带X，Y，Z字的评论更容易被选中”。为了做到这一点，我想在回归中使用文本特性。特别地，
我应该使用什么模型来最大化系数的可解释性？
浏览 0提问于2019-07-04得票数 0
我已经收集了我所有的研究数据，需要进行我的分析，但是失败了(我应该事先计划得更好)。
我想看看人格特征(5个特征变量值从0到5)是否可以预测某人是否会在工作中给予反馈(离散的结果，是/否)，以及他们会提供什么样的反馈(利克特
参与者在时间上完成了一项调查，其中一项调查反映了他们的个性，然后被邀请完成另外四次每周调查(每星期五一次，连续四个星期)。这些调查收集了他们在那一周给出的反馈数据。
所以，我有我的自变量(人格)，我试图预测我的重复测量结果变量(反馈)。
我还有参与者在多大程度上实际上是一个主持人变量，与反馈数据一起收集的(也包括重复的测量值，从0到100)。这里的研究问题是工作虚拟是否会
浏览 0提问于2023-05-24得票数 1
2回答
我试图用纵向设计来计算数据集中的数据。有两个预测因素(实验组和时间)和一个结果变量(分数)。聚类变量是id。
这是玩具数据
set.seed(345)
A0 <- rnorm(4,2,.5)
B0 <- rnorm(4,2+3,.5)
A1 <- rnorm(4,6,.5)
B1 <- rnorm(4,6+2,.5)
A2 <- rnorm(4,10,.5)
B2 <- rnorm(4,10+1,.5)
A3 <- rnorm(4,14,.5)
B3 <- rnorm(4,14+0,.5)
score <- c(A0,B0,A1,B1,A2
浏览 3提问于2017-12-23得票数 12
回答已采纳
1回答
我正在编写一本线性回归教科书，并试图复制“一般线性假设检验”一节的结果，但我需要一些帮助，说明如何在R中这样做。
我已经看过一些其他的帖子，但我希望有人能给我一些示例代码。我有二十六个科目的资料，表格如下：
Group, Weight (lb), HDL Cholesterol mg/decaliters
1,163.5,75
1,180,72.5
1,178.5,62
2,106,57.5
2,134,49
2,216.5,74
3,163.5,76
3,154,55.5
3,139,68
鉴于这些数据，我试图检验回归线是否适合这三组受试者有一个共同的
浏览 1提问于2016-03-24得票数 1
1回答
我正在使用R中的软件包对一个因变量运行顺序逻辑回归，该因变量基于1-5个likert标度，并试图找出如何测试比例优势假设。
我目前的模型是y ~ x1 + x2 + x3 + x4 + x2*x3 + (1|ID) + (1|form)，其中x1和x2是二分的，x3和x4是连续变量。(92名受试者，4种表格)。
就我所知道,
-在较新版本的clmm中未实现“nominal”。
-clmm2 (旧版本)不接受多个随机变量
-nominal_test()似乎只对clm2有效(根本没有随机效果)
对于不同的dv (只有一个随机项，没有交互)，我使用了：
m1 <- clmm2 (y ~ x1
浏览 0提问于2014-05-01得票数 1
1回答
multi.sanctions.bust.full.ag <- glmer(allbuster ~ lageutradeshare100 + lnlaggdpp + lagtradeopenP + colonial + lagtradesharePT + lnlaggdpt + duration + lndist + nobust + nobustsq + nobustcb + (1 | partnercode) + (1 | case
浏览 5提问于2020-07-31得票数 2
回答已采纳
当在SPSS中进行逻辑回归时，有没有一种方法可以删除自变量中的参考类别，以便所有这些变量都可以平等地相互比较，而不是与参考类别进行比较？
浏览 5提问于2020-03-13得票数 0
问题:使用多水平(混合效果)模型，并且不确定将分组变量设置为什么，以便使用merTools的predictInterval函数从glmer模型生成测量的组水平变量的预测概率。 目标:从“第二级”组级别变量生成预测概率和一系列值的SEs/CI。 寻求:关于如何正确执行此操作或其他建议的建议，以从glmer模型生成预测概率和CIs组级别变量的值范围。 library(lme4)
library(merTools)
library(ggplot2)
hier_data <- data_frame(pass = sample(c(0, 1), size = 1000, replace = T
浏览 31提问于2019-09-25得票数 1
3回答
我正在尝试将时间固定的效果(使用model.matrix生成的多年的虚拟对象)包含到R中的PPML回归中。
如果没有时间固定效应，则回归为：
require(gravity)
my_model <- PPML(y="v", dist="dist",
x=c("land","contig","comlang_ethno",
"smctry","tech","exrate"),
vce_ro
浏览 0提问于2017-07-06得票数 1
我正在使用lmer来拟合一个具有几个固定效应(包括特定于对象的变量，如年龄、短期记忆广度等)的多级多项式回归模型。和两组随机效果(主题和主题:条件)。现在，我想预测具有特定属性(年龄、短期记忆广度等)的假设对象的数据。我拟合了模型(m)，并创建了一个包含假设主题的新数据框(pred)，但当我尝试predict(m, pred)时，我得到了一个错误：
Error in UseMethod("predict") :
no applicable method for 'predict' applied to an object of class "mer
浏览 2提问于2012-02-28得票数 2
4回答
我一直在试图了解自变量内的多重共线性对线性回归模型的影响。维基百科网页建议，只有当有一个“完美”的多重共线性，其中一个自变量将不得不从培训中删除。
现在我的问题是，如果相关性等于+/- 1，我们应该只删除其中的一列，还是考虑一个阈值(比如0.90)，然后它应该被认为是完美的多重共线性。
浏览 0提问于2021-10-25得票数 3
1回答
(以前把贴到错误的地方，没有足够的信息，我编辑了，编辑了，这篇文章似乎被删除了，发到炼狱，所以我不知道前一篇文章是否能/应该复活)。
在R中，我运行了一些增强回归树，也称为广义Boosting模型，使用了使用dismo的gbm。可复制的例子，让人们了解我现在的处境：
library(dismo); data(Anguilla_train)
angaus.tc5.lr01 <- gbm.step(data=Anguilla_train, gbm.x = 3:13, gbm.y = 2, family = "bernoulli", tree.complexity = 5, l
浏览 4提问于2015-01-19得票数 4
我正在使用元the包来执行元回归。我的模型/代码的形式如下：
rma.mv(yi = data_mean, V = data_variance, random = ~ 1 | study_id/arm_id, data=mydata, mods = ~ mod1 + mod2 + mod3)
我的印象是，默认的加权是由逆方差决定的。但是，我注意到，如果将参数"W = 1/data_variance“添加到上面的代码中，则会产生不同的结果(而不是指定W)。为什么会这样呢？
当我在这里的时候，我也想确认，对于V，我应该使用(标准错误)^2，而不是(标准偏差)^2 --这是对的吗？(“方差”
浏览 5提问于2018-04-30得票数 0
回答已采纳
有没有人知道像stata中的xtivreg (FE IV回归)这样支持固定效应、工具变量回归的R包。是的，我可以只包含虚拟变量，但当组的数量增加时，这是不可能的。
谢谢!
浏览 3提问于2012-07-03得票数 3
回答已采纳
1回答
我试图使用来自lmer包的lme4函数来拟合混合模型。但是，我不明白应该向start参数输入什么。我的目的是使用一个简单的线性回归来使用估计的系数作为混合模型的起始值。
让我们说，我的模型如下：
linear_model = lm(y ~ x1 + x2 + x3, data = data)
coef = summary(linear_model)$coefficients[- 1, 1] #I remove the intercept
result = lmer(y ~ x1 + x2 + x3 | x1 + x2 + x3, data = data, start = coef)
这个例子是
浏览 3提问于2016-09-08得票数 4
2回答
我了解分类和回归树的包装和提升的主要原理。我怀疑的是超参数的优化，特别是树的深度。
第一个问题:为什么我们要用弱学习者来提高(高偏倚)，而我们必须用深木来包装(高方差)？-老实说，我对第二个问题不确定，只是听过一次，却从未见过关于它的任何文献。
第二个问题:为什么以及如何在网格搜索中得到比弱学习者更好的梯度增强结果(同样，弱学习者也比随机森林中的更深的树)？
浏览 0提问于2019-10-15得票数 5
回答已采纳
我担心这个问题之前已经被解决了，但是广泛的搜索并没有找到我正在寻找的答案。我在MCMCglmm中运行了一个随机斜率模型，在随机效果部分，我有一个单独的协变量交互作用。当使用predict()从这个模型中获得估计值时，我遇到了一个错误，我似乎无法处理这个错误。下面这个更简单的例子(一个随机截取模型)遇到了同样的错误，所以我想知道我做错了什么？ 示例数据由20个个体组成，对于某个协变量，每个个体测量20次，两组中每组10个个体，加上一个协变量和一个响应变量(y)： set.seed(123)
dat <- data.frame(id = rep(1:5, 20),
浏览 30提问于2020-03-20得票数 2
关于固定效应的一个变量处理的更新问题，I计划在R中运行一个随机和/或固定效应的cloglog回归，以检查未观察到的异质性。现在我还没有在R中找到任何关于如何做到这一点的东西，只有Stata中的一个函数。有人熟悉这个吗？我有一个我想输入的变量kind代码，这个变量由205个级别组成，我有点困在做什么.。
这是我的cloglog回归的一个例子：
model_simple <- as.formula("completion_yesno ~ ac + ov + UCRate + FirstWeek + LastWeek + DayofWeekSu + DayofWeekMo +
浏览 1提问于2020-04-11得票数 3
回答已采纳
我对R(心理学背景)非常陌生，我试图估计混合模型(glmer)所需的样本大小(没有试点数据)，该模型具有固定的效应‘时间’(3级)和随机效应‘站点’(5级)和‘参与者’(每个站点上的n=60)，参与者被嵌套在站点中。我对“时间”对各种“结果”变量的影响感兴趣。理想情况下，我们希望有随机的斜率和拦截，因为我们假设参与者有不同的基线，并且随着时间的推移会有不同的发展。
我遵循的附录S2 (电力分析从零)的绿色和MacLeod (2015年)。SIMR:用于广义线性混合模型功率分析的R软件包，可在：上获得
我的问题与参数的规格有关。本文提出以下任意选择的值：(参见)
## Intercept and
浏览 2提问于2020-10-12得票数 1
回答已采纳
1回答
我想在概率回归中确定每个因变量的边际效应如下：
用每个变量的平均值预测(基)概率
对于每个变量，如果变量采用变量的平均值+ 1x标准差的值，则预测该变量与基本概率相比的变化。
在我的一个回归中，我有一个乘法变量，如下所示：
my_probit <- glm(a ~ b + c + I(b*c), family = binomial(link = "probit"), data=data)
两个问题：
当我用上面的方法确定边际效应时，乘法项的值会反映b或c的值，取变量的平均值+ 1x标准差吗？
同样的问题，但是有一个相互作用项(*和no I())，而
浏览 1提问于2013-06-23得票数 1
回答已采纳
1回答
我需要使用相关非纵向数据的一致性相关系数来计算3个读者或至少2对读者之间的一致性。3个审查者测量了大约20个病变。每例患者1~4个病灶。据我所知，JL Carrasco的R包"CCCRM“和L Lin &Y Yu的R包”协议“没有明确给出集群(患者)包含可变数量的测量的非重复非纵向测量的示例。不存在缺失值。没有不平衡的设计(每个读取器测量20个病变中的任何一个)。
对于非纵向数据，我排除了自回归相关结构和时间的固定效应。
有什么建议或参考论文吗？例如:方差估计的最佳方法:U-统计、GEE或线性混合模型？尝试Lin &Yu的基于GGE的统一方法，并对患者内部相关性进行一些
浏览 10提问于2015-08-29得票数 1
我有适合多项式logistic回归的数据，但我不知道如何建立预测我的Y的模型。
如何用SPSS进行多项Logistic回归分析？
逐步的方法是如何工作的？
浏览 2提问于2012-06-22得票数 0
2回答
数据集的预测能力
、、
我正在为本科生读一本关于机器学习的书。实际上，我对线性回归的灵活性感到困惑：
有时，线性回归将无法恢复一个好的解决方案的数据集。虽然这可能是因为我们的数据实际上没有预测能力，但它也可能只是表明我们的数据是以不适合线性回归的格式提供的。
我在这里读到了一些关于预测能力的问题，我注意到这都是关于模型产生的。当我们谈到数据集的预测能力时，意味着什么？
我认为这是因为特性之间没有关系(因为线性回归的目的是学习输入X和输出Y之间的关系)。但我还不相信这个答案。
浏览 0提问于2020-09-03得票数 2
回答已采纳
1回答
在WinBUGS中，我指定了一个具有多项似然函数的模型，我需要确保多项式概率都在0到1之间，和为1。
下面是代码中指定可能性的部分：
e[k,i,1:9] ~ dmulti(P[k,i,1:9],n[i,k])
在这里，数组P[]指定多项式分布的概率。
这些概率是根据我的数据(矩阵e[])，利用一系列固定和随机效应的多重线性回归来估计的。例如，下面是用于预测P[]元素之一的多元线性回归：
P[k,1,2] <- intercept[1,2] + Slope1[1,2]*Covariate1[k] +
Slope2[1,2]*Covariate2[k] + Slope3[1,2
浏览 4提问于2018-02-13得票数 2
回答已采纳
2回答
我有10000个样品。有4个自变量和1个因变量。
自变量均以0均值为中心。
📷
我发现这些变量之间的相关系数如下：
📷
我使用了线性回归模型，下面是该模型的总结：
📷
现在，基于线性回归模型中预测变量的系数，我被要求找到显着的预测因子(s)。
基于相关值，我认为X4将是一个重要的预测因素，但它的回归系数表明了一个完全不同的情况。(x4在lm摘要输出中的系数值最小)。你能帮我理解什么是正确的方法来识别重要的预测因子(s)？
另外，即使我从lm模型中删除了x4变量，残差标准误差仍然是相同的，哪种情况可以重新迭代它不是一个重要的预测器？是
我的理解对吗？
此外，我运行了R中可用的VarImp函数，它
浏览 0提问于2020-02-23得票数 2
1回答
我不确定在这里问这个是否正确，但是任何帮助都很感激。我在sas预报演播室工作。
这是我的时间序列数据集(季度数据)：
日期:1月1日至8日，4月1日至8日，7月1日至8日
DateQ例如1980Q1,1980Q2,1980Q3
1980年、1981年、1982年
国内生产总值(可靠变量)，例如2650.1
T例如1、2、3
哪一个变量，或者我应该创建一个新的季度变量，作为线性回归的自变量来评估是否存在季节性影响？
浏览 10提问于2021-02-08得票数 1
1回答
有一个数据集(在这里找到- )，我已经为线性回归做了一些R编码。在附加的数据集中，列没有标签。我不得不标记数据集的列并将其保存为csv，我很抱歉不能在这里使用…但我使用的栏是第3栏(年龄)、第4栏(感染)、第5栏(人口比率)、第10栏(人口普查)和第12栏(服务)、第9栏(地区)。我给数据集医院命名了。
我应该“对每个地理区域使用一阶回归模型，将感染风险(Y)与预测变量年龄、人口比率、人口普查、服务进行回归，然后我需要找到每个地区的MSE，这是我的代码。”
NE<- subset(hospital, region=="1")
NC<- subset(hospital
浏览 1提问于2014-10-30得票数 0
回答已采纳
2回答
我试图运行一个面板回归在Stata与个人和时间固定的效果。我有很多个人和时间在我的样本，所以我不想打印所有他们的结果。但是，我在网上读到的文档只显示了如何运行带有一个固定效果的面板回归，而没有显示固定效果估计：
xtset id time
xtreg y x, fe //this makes id-specific fixed effects
或
areg y x, absorb(id)
这两种编码的结果是相同的。
有谁知道如何运行面板回归与id和时间固定的效果，但没有显示的估计？
浏览 1提问于2018-03-18得票数 0
回答已采纳
1回答
我有两个关于logistic回归的问题。
我正在对一个二元相关变量和一个由100多个类别组成的独立变量进行逻辑回归。逻辑回归是否仍然是正确的选择？还是有必要再做一次测试？
我郑重地使用logistic回归来检验独立变量是否与依赖变量有关。在这种情况下，是否有必要将我的数据分成训练和测试集。我可以用什么样的测试来确定我正在工作的模型是否好。
浏览 0提问于2018-12-04得票数 0
2回答
我试图用plm软件包估计R中固定效应的模型。我的数据如下所示，它是坚定的、城市的、年份的、季度的。其中每一项我都按公司和市级按年季度观察销售和收入。我的回归是收入和销售额。这是销售收入，但希望控制公司，并具体城市的不可观测性。我的实际数据集中有1000+公司。
fid = c(1,1,1,1,
2,2,2,2,
3,3,3,3,3,3,3,3,
4,4,4,4,5,5,5,5,
5,5,5,5)
cityid = c(101,101,101,101,
102,102,102,102,102,102,102,102,103,103,103,103,
浏览 3提问于2015-12-08得票数 1
回答已采纳
1回答
我正在进行一项元分析，其中我感兴趣的是X对年龄对生境使用的影响(原始平均值和方差)。
我的一个模型的例子是：
mod6 <-
rma.mv(
yi = Used_value,
V = Used_variance,
slab = Citation,
mods = ~ Age + poly(Slope, degrees = 2),
random = ~ 1 | Region,
data = vel.focal,
method = "ML"
)
我不使用引文作为随机效应的理由是，仅使用区域比使用random = l
浏览 6提问于2022-08-01得票数 0
1回答
我使用glmer()函数来确定入侵蚯蚓的重量是否对明尼苏达州的4种不同的树种有显著的影响。在调整其他变量后，我试图预测发生事件的概率(因为这是logistic回归/树种是否会存活)。我们也在考虑用优势比来比较不同树种之间是否存在差异。因此，我想使用predict()函数来指定一个特定的权重值，并预测事件发生的概率。
这是summary(data)。我们特别关注的是meanwormwt (平均蠕虫重量)。我最终想要的是预测给定一个平均蠕虫权重值的事件发生的概率。例如，“当平均蠕虫重量为0.3246时，事件发生的概率是多少？”
Exclose DensF Species
浏览 0提问于2018-03-01得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
