在回归模型中解释beta估计值时，排序顺序重要吗？
在回归模型中解释beta估计值时，排序顺序并不重要。Beta估计值是用来衡量自变量对因变量的影响程度的指标，它表示自变量单位变动对因变量的平均影响。在回归模型中，每个自变量的beta估计值都是相对独立的，它们的大小和符号表示了自变量对因变量的影响方向和程度。
排序顺序不重要的原因是，回归模型中的自变量是通过最小二乘法进行估计的，这意味着模型会同时估计所有自变量的beta值，而不是逐个估计。因此，即使改变自变量的排序顺序，模型仍会根据数据的整体情况来估计每个自变量的beta值。
需要注意的是，当自变量之间存在高度相关性时，排序顺序可能会对beta估计值产生影响。高度相关的自变量可能导致多重共线性问题，这会使得估计的beta值不稳定或不可靠。在这种情况下，可以通过采取一些方法来处理多重共线性，例如使用正则化方法（如岭回归或lasso回归）或者进行变量选择。
总结起来，回归模型中解释beta估计值时，排序顺序通常不重要，但需要注意自变量之间的相关性，以确保估计的结果是稳定和可靠的。
相关·内容
这似乎是一个非常基本的问题，但我只是想确认一下。我正在运行一个针对不同类型的协变量(一些是数值的，一些是分类的，等等)进行调整的多变量线性回归模型。模型的示例如下所示：
fit <- ols(outcome ~ exposure + age + zbmi + income + sex + ethnicity)
“结果”和“曝光”都是连续的数值变量。
我的问题是，如果我运行模型和beta估计，95%的CI和p值看起来像下面的值：
B = -0.20 // 95%CI: [-0.50, -0.001] // p = 0.04
是否可以将其解释为：“暴露每增加1个单位，结果就会减少0.20
浏览 17提问于2021-02-15得票数 2
回答已采纳
1回答
我在试着理解我应该在这里做什么。我已经应用了套索和岭回归，找到了最优的λ，并重新构建了模型。但我不明白在那之后我该做什么。
问题：
“。对于糖尿病数据集(上传到Moodle)，我们希望使用10个特征(X变量)来预测prog (Y)，这是基线后一年疾病进展的定量评估。变量prog是数据中的最后一列。在拟合岭回归和套索之前，不要忘记标准化所有的X变量，使它们在相同的尺度上。使用岭回归和套索预测程序。在两个回归中，使用交叉验证选择最优的λ。最优λ将对应于最小CV误差。对于最优的lambda，改装脊线和套索模型。使用1000个bootstrap重复运行bootstrap，以获得回归系数估计的标准误差(
浏览 2提问于2021-11-26得票数 0
我使用SARIMAX估计了ARIMA模型，并进行了预测。然而，我试图重复这一预测，但没有得到相同的结果。我估计的模型是一个没有季节性的ARIMA(1,0,1)模型，有一个外部回归变量。
我认为预测未来一段时间的公式(使用估计系数)是：
y_(t+1)= y(t)*phi_1 + e_t*theta_1 + x_t * beta_1
其中phi_1是AR(1)系数，theta_1是MA(1)系数，beta_1是外部回归量的系数。y_t是因变量，x_t是外部变量回归变量。e_t是时间t处的误差项。
我没有使用正确的公式吗？SARIMAX使用哪个公式？
阅读用户指南，在Google上搜索
浏览 2提问于2019-07-28得票数 0
我尝试使用随机森林进行回归。原始数据是一个218行9列的数据帧。前8列是分类值(可以是A、B、C或D)，最后一列V9的数值可以从10.2%到999.87。
当我在训练集上使用随机森林时，它代表了原始数据的2/3，并且是随机选择的，我得到了以下结果。
>r=randomForest(V9~.,data=trainingData,mytree=4,ntree=1000,importance=TRUE,do.trace=100)
| Out-of-bag |
Tree | MSE %Var(y) |
100 | 6.927e+04 98.
浏览 1提问于2013-05-15得票数 4
回答已采纳
在高维数据集上运行以下代码时，将得到错误消息
coef中的错误(摘要(Fit))2，4:下标超出界限
将logistic回归模型的p值保存到长度为19481的向量beta .如果我循环不同的自变量的回归模型多达100次，我不会得到这个错误。
有人能告诉我为什么我的代码不能顺利运行吗？
beta = rep(0, 19481)
for (i in 25:19505) {
fit = glm(mdr.mdr ~ an.mdr[,i], family=binomial)
beta[i-24] = coef(summary(fit))[2,4]
}
浏览 2提问于2018-07-22得票数 0
回答已采纳
1回答
稳健回归模型拟合值的计算
、、、
我使用R中的robustreg包来拟合稳健回归模型，我的模型是基于迭代重加权的最小二乘，这些模型中的最小二乘是用Tukey的Bisquare Psi函数和Huber Psi函数加权的，我使用了以下代码来估计模型：
RobBS <- robustRegBS(UND~FA+FS+IPOV+ROA+NI+IPOR+Pd+MP30+D20,data=IPO, m=TRUE, max.it=1000)
RobH <- robustRegH(UND~FA+FS+IPOV+ROA+NI+IPOR+Pd+MP30+D20,data=IPO, m=TRUE, max.it=1000)
但是这个函
浏览 0提问于2019-02-13得票数 0
回答已采纳
回归的问题是最小化平方误差之和，即\sum\limits_{i=1}^n (y_i - \hat{y}_i)^2 = 0。但是，只有在线性回归中，才能使用表达式\hat{y}_i = \beta_0 + \beta_1.x_i，然后将平方误差之和降到最小。\beta_0和\beta_1可以获得以下约束：
\begin{align*} \sum\limits_{i=1}^n x_i(y_i - \hat{y}_i) &= 0 \\ \sum\limits_{i=1}^n \hat{y}_i(y_i - \hat{y}_i) &= 0 \end{align*}
然后利用这些约束条
浏览 0提问于2021-05-21得票数 2
回答已采纳
因此，我构建了一个简单的线性回归模型，具有几个特征。当我尝试预测新的输入时，输出是不一致的。例如：
In [1]: model.predict(X_new)
Out[1]: array([ 7.15993216e+08, 1.13548305e+09])
但如果我将其添加到原始训练样本上，我会得到一个非常不同的答案：
In [2]: model.predict(X_training[:1].append(X_new))[1:]
Out[2]: array([ 272682.59925699, 1179906.89475647])
这似乎与模型无关(至少在线性回归中是如此)。我还在管道
浏览 16提问于2016-09-08得票数 0
回答已采纳
1回答
JAGS随机效应模型预测
、、、、
我试图用一个指数作为响应(D47)，温度作为预测器(Temp)，并考虑离散变量(材料)的随机效应来建立贝叶斯回归模型。我发现了关于非层次回归的非常好的信息，有些帖子甚至包括这些模型的预测策略。尽管如此，在我的模型中预测D47值时，我发现了一个显著的问题，主要是因为随机拦截。
在JAGS回归的预测过程中，有没有处理随机拦截的方法？
谢谢你的回答，
model1<-"model {
# Priors
mu_int~dnorm(0, 0.0001) # Mean hyperparameter for random intercepts
sigma_int~dunif(0, 100) #
浏览 1提问于2016-02-03得票数 3
回答已采纳
1回答
我想用滚动窗口进行回归，但回归后只得到一个参数：
rolling_beta = sm.OLS(X2, X1, window_type='rolling', window=30).fit()
rolling_beta.params
结果：
X1 5.715089
dtype: float64
有什么问题吗？
先谢谢你，罗兰
浏览 0提问于2019-01-11得票数 1
我计算了从1926年到2012年对Beta策略的押注收益，并希望将Mkt-RF、HML、SMB、MOM和流动性因素作为自变量进行OLS回归。问题是，流动性数据的数据始于1968年。我是否必须从1968年开始回归，或者有没有办法从1968年开始包含LIQ因素？我正在用Python编写代码
浏览 36提问于2021-04-11得票数 0
1回答
我试图标准化回归系数的线性回归模型，其中有相互作用的条件。目前，我正在使用来自lm.beta包的car，但是帮助文件声明：
警告:当存在相互作用项时，此函数不产生“正确的”标准化系数。
由于我的回归有相互作用的条件，这是令人担忧的。是否有一种替代car的lm.beta来标准化回归系数并与具有交互作用的回归模型一起工作？
浏览 4提问于2016-01-18得票数 0
1回答
我正在使用pyplot绘制一个线性回归模型。下面是我的代码。
plt.scatter(X_train, y_train, color ='red')
plt.show()
当我使用上面的代码绘图时，绘图如下所示：
然后，我使用下面的代码绘制了折线图：
plt.plot(X_train, regressor.predict(X_train), color = 'blue')
plt.show()
它如预期的那样显示了一条线。
但是，当我尝试将它们同时绘制在一起时，图形变得混乱，如下所示：
plt.scatter(X_train, y_train, co
浏览 4提问于2017-11-13得票数 3
如果我想通过基于树的算法(如XGBoost )来训练一个回归模型。假设x1、x2、x3、x4、x5和目标y有5个特征，一些专家认为x2减去x3与y高度相关，如果把x2-x3作为模型的第六个特征，还是XGBoost只将x1~x5放在模型中就能自动学习。
正如我所知，线性模式可以从特征中学习公式，基于树的方法如何？如果基于树的也可以做同样的事情，那么数据的大小重要吗？
浏览 0提问于2021-11-18得票数 1
有人能帮助我理解模型前调整和模型后调整使用偏移法(最好是在Proc Logistic中的Base和Logistic回归评分)。
我举一个例子。考虑到传统的银行信用评分模型，假设我们有10000名客户，其中50000名是好客户，2000名是坏客户。现在，对于我的Logistic回归，我使用了所有2000名坏的和随机抽样的2000名好客户。我如何调整这种过度抽样在Proc Logistic使用的选项，如偏移和评分。你有关于这个主题的参考资料和插图吗？提前感谢您的帮助！
浏览 3提问于2016-07-05得票数 0
回答已采纳
以下中介模型来自。下面，我使用semPaths从semPlot包中打印了模型结构。但似乎有一条路不见了。
set.seed(1234)
X <- rnorm(100)
M <- 0.5*X + rnorm(100)
Y <- 0.7*M + rnorm(100)
Data <- data.frame(X = X, Y = Y, M = M)
model <- ' # direct effect
Y ~ c*X
# mediator
M ~ a*X
Y ~ b
浏览 3提问于2016-04-26得票数 1
因此，我需要从这个模型生成1000个数据集，其中有200个R观测值：
所有这些都使用Lasso和Ridge回归。然后我需要得到拉索和脊的beta_j系数。有人能帮忙吗？已经谢谢了！
浏览 7提问于2022-06-12得票数 -4
我对使用TensorFlow进行贝叶斯估计还是个新手。我试图建立一个非常简单的身高与体重的回归模型(使用McElreath的Howell data)，以熟悉TensorFlow概率中的机制，但我遇到了一些我不理解的东西。我假设用JointDistributionSequentialAutoBatched定义一个模型会产生一个与JointDistributionNamedAutoBatched定义的模型相同的模型，但后者只会产生一些很好的句柄来获取参数。 ht_wt: tfd.JointDistributionSequentialAutoBatched = tfd.JointDistribut
浏览 16提问于2021-10-15得票数 0
2回答
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
cv = KFold(n_splits=10, random_state=1, shuffle=True)
scores = cross_val_score(regressor, X, y, scoring='neg_mean_absolute_error',
cv=cv, n_jobs=-1)
np.mean(np.abs(scores
浏览 368提问于2021-10-04得票数 0
回答已采纳
我目前正在学习在一个机器学习问题中做堆叠。我将获取第一个模型的输出，并将这些输出用作第二个模型的特征。
我的问题是:顺序重要吗？我使用的是套索回归模型和增强树。在我的问题中，回归模型的性能优于boosted树。因此，我认为我应该第二次使用回归树，第一次使用增强树。
在做这个决定时，我需要考虑哪些因素？
浏览 2提问于2017-10-17得票数 0
很简单的问题：
我想要拟合回归模型。我已经让熊猫知道这些变量是绝对的。样本代码：
bikes_reg['month'] = bikes_reg['month'].astype('category')
我是否需要创建虚拟变量，或者模型是否会在合适的情况下自动创建它们？
一般的经验法则是什么？每次使用分类变量时，是否都需要创建虚拟变量？
浏览 1提问于2017-08-25得票数 0
回答已采纳
1回答
当我们在R中运行线性回归时，R在哪个变量下保存实际的回归方程，我的意思是R实际上将方程保存为：
y=B0 +B1x1 + B2x2 + B3x3等
我之所以问这个问题，是因为我想稍后调用这个方程，或者我是否需要创建一个新变量，让它等于上面的方程，同时包括我的Beta值，以便(例如)在R中
z=0.1 + 0.2x1 +0.3x2 +0.4x3等
我知道可以使用预测函数，但我不确定这是否是我想要的
浏览 0提问于2016-11-11得票数 0
1回答
采用拟泊松回归的广义线性混合模型，利用惩罚拟似然，即glmmPQL，对模型进行多元正态随机效应拟合。产出如下：
收入变量分为低收入、中低收入、中上收入三大类。在产出中，低收入似乎是参考类别，但我不知道ı应该如何解释和报告这一点。
提前谢谢你。
Linear mixed-effects model fit by maximum likelihood
Data: my_scaled_data
AIC BIC logLik
NA NA NA
Random effects:
Formula: ~1 | country
(Intercept) Residual
Std
浏览 5提问于2021-08-10得票数 0
回答已采纳
1回答
我拟合了一个线性回归模型：
Lin <- lm(y~x, data=df)
当我使用summary函数时，我得到了一些输出。如何从该输出中提取参数系数？
浏览 0提问于2013-08-13得票数 4
回答已采纳
对于简单的线性回归，我需要计算β^0和β^1，其中β0和β1的置信区间为87%，并且必须以以下格式以三个有效数字显示结果：
Est L U
beta0 1.13 0.889 1.37
beta1 3.57 1.950 5.19
我应该使用什么样的代码来获得这种格式的？
我做了以下工作，但不知道如何将Intercept和x表示为beta0和beta1，以及它们的估计值以及低CI和上CI：
> M <- lm(y ~ x) # fit linear model
> signif(coef(M), digits = 2) # MLE's of bet
浏览 0提问于2020-02-04得票数 0
回答已采纳
1回答
在使用实用程序时，我们可以指定选项(及其选项参数)和/或操作数。
在大多数情况下(在符合某种标准的意义上(POSIX？)
选项之间的顺序不重要吗？
操作数之间的顺序重要吗？(例如，find的操作数是有序的，grep也是有序的)
选项和操作数之间的顺序重要吗？(例如ls . -l和rm mydir -r据说与POSIX不兼容。)
如果一个选项可以有一个选项参数，那么程序如何知道该选项后面的内容是选项的参数还是操作数？
顺便说一句，C(例如getopt)和Python (例如析解析解析)中的标准参数解析库是否符合选项和操作数的相同标准？
C.f.http://pubs.opengroup.org/
浏览 0提问于2015-03-30得票数 1
1回答
所有人！我对回归有点陌生，所以就我而言，置信区间告诉我们这个估计反映人口的可能性有多大，对吧？然而，当谈到回归时，我们是否可以肯定，置信区间应该包括我们的斜率，如果没有，那么我们的估计就不重要了，这就是它们的意思吗？
提前谢谢你，
浏览 8提问于2022-03-25得票数 1
回答已采纳
我有一个贝塔回归模型(使用'betareg'软件包)和曲线图，但为了报告结果，我需要R平方和贝塔。我只知道用于从lm方程中寻找Beta的lm.beta funtion和用于从lm方程中寻找r平方的摘要(lm(DV~IV, data=mydata))$r.squared。如何找到beta回归模型的这些值？
浏览 11提问于2017-08-06得票数 2
我是机器学习的新手，拥有IMDb电影数据集(~14000个单元)。我试图使用支持向量回归模型来预测imdb电影的收视率。对于预测，我使用的是“ratingCount”列，我用matplotlib绘制了一个简单的“ratingCount”(X)和“imdbRating”(Y)图，并决定使用支持向量回归来绘制一条SVR曲线。我得到的曲线又奇怪又奇怪，好像在数据图上重复了一遍又一遍。我原以为会有一条平滑的SVR曲线与数据相吻合。
。
请让我知道什么是问题，是什么原因得到这样奇怪的曲线类型，如所附图片。据我所知，我的python代码是简单而干净的。。还有一件事--当我使用多项式回归模型算法时，我也
浏览 0提问于2018-03-29得票数 1
回答已采纳
3回答
我有一个平稳的时间序列，我想用自回归项来拟合线性模型，以校正序列相关性，即使用公式= c1*Bt + c2*Ct + ut，其中ut = r*ut-1 + et
(ut是AR(1)项，用于校正误差项中的串行相关性)
有人知道在R中使用什么来建模吗？
谢谢，卡尔
浏览 0提问于2009-12-14得票数 7
回答已采纳
1回答
我正在一个汽车数据集上建立一个线性回归模型，使用RFE技术和状态模型库。我的最后一种模型的p值在5%以内，F-统计量很高.预测变量的VIF值远低于5，但对于常量项(截距) VIF为8.18。我使用add_constant方法向模型中添加常量。以下是我的疑虑：
常数的高方差表示什么？在计算VIF时应该忽略常量项吗？
以下是我的研究结果：
我是机器学习的新手，也是第一次在这个网站上发布问题。如果需要更多的信息来回答我的问题，请告诉我。
浏览 8提问于2020-01-11得票数 3
回答已采纳
1回答
我是个新手。我想对收入的对数(消费)进行回归估计，然后绘制消费和收入的曲线图。 我可以运行以下回归并绘制结果。 results <- lm(I(log(CONSUMPTION)) ~ INCOME, data=dataset)
effect_plot(results, pred=INCOME) 如果我这样做，我得到的是纵轴上的log(消耗)，而不是消耗。 如何在垂直轴上绘制消耗图？ 问这个问题的另一种方法是如何将绘图的y轴从log(y)转换为y？虽然我的问题是关于effect_plot()函数，但我对任何plot函数都很满意。 谢谢你能给我的任何帮助。
浏览 28提问于2020-07-21得票数 0
1回答
我有一个带有分类变量的数据集和一个数字目标，我使用GLM对其进行回归建模。
命令(proc genmod或proc hpgenselect)输出链接比例尺上的参数估计。有没有一种方法可以很容易地将它们转换成逆链接标度？
有些选项有ILINK标志，但是I不可能使"ParameterEstimates“反转，而不必编写不同的代码，这取决于所使用的链接函数。对于零充气模型和在genmod和hpgenselect之间来回切换时，这特别棘手。
浏览 2提问于2017-11-14得票数 1
回答已采纳
1回答
我正在研究状态模型中的稳健线性回归，但我找不到一种方法来指定这种回归的“权重”。例如，在最小二乘回归中，为每个观测分配权重。类似于WLS在状态模型中所做的工作。
还是有办法绕过它？
浏览 7提问于2017-08-06得票数 0
回答已采纳
我想估计空间面板自回归模型
y_{t} = a + \rho W y_{t} + \epsilon_{t}
其中a是单个固定效果的向量。我在R中使用了优秀的splm包。
请注意，我在这里没有任何自变量X -如果我包括一些回归变量X就没有问题，但我想知道在没有自变量的情况下如何使用splm指定模型。
library(splm)
library("spdep")
data("Produc", package = "Ecdat")
data("usaww")
usalw <- mat2listw(usaww)
# this wo
浏览 0提问于2019-04-01得票数 1
2回答
我使用以下gem提供的新分支将客户端验证与rails4集成在一起
gem 'simple_form', '~> 3.0.0.rc'
gem 'client_side_validations', github: "bcardarella/client_side_validations", :branch => "4-0-beta"
gem 'client_side_validations-simple_form', git: 'git://github.com/saveriteme
浏览 0提问于2013-07-14得票数 3
我有一个包含数值变量和分类变量的数据集，我想将其包含在一个广义混合模型中。当我这样做时，条件模型的ouptut总是“忘记”一个类别。
例如，在该模型中，我将对每个视频检测总时间的警惕比例作为响应变量，并作为解释变量:尿强度(数值)、治疗(0表示没有尿、1次尿)、diel_period (黎明、黄昏、夜晚、白天)、性别(男性、女性、未知数)、身高(树木，数字)。和我的50个相机作为随机分组效应(1到50)。
bBI_mod8 <- glmmTMB(cbind(vigilance, total_time_behaviour - vigilance) ~
浏览 1提问于2021-04-07得票数 2
根据我的模型，如果我因为某人的分数而拒绝，它应该能够提供一些推理，说明哪些变量主要是决定下降的因素。
通常，在Logistic回归模型中，这是一个简单的练习，您计算(Beta * X)对每个变量和选择1或2个变量，这导致了最大的分数下降。
然而，对于非线性模型来说，这并不是很简单。我很想知道如何处理这样的事情。谢谢。
浏览 0提问于2019-01-16得票数 2
1回答
如果我在R中执行线性回归，我会得到结果模型、$R^2$、不同特征的p值等的很好的摘要。
如果我在scikit_learn中做同样的事情，我什么也得不到。有什么方法可以打印模型的摘要吗？
浏览 2提问于2015-10-15得票数 2
1回答
的意思是，我用我的方式解决它，我的解决方案如下。如果你知道更好的方法，请告诉我。
我想在SAS中生成以下回归图：
这些点是实验结果，蓝点是雄性，红色点是雌性。黑线是一个简单的回归，适合于所有的点。虚线由一个包含预测性别(不包括交互项)的回归模型构成，比如Y=alpha + beta_1.X_1i + beta_2.X_2i和beta_2i，后者是性别的虚拟变量。红色虚线是女性的回归模型，蓝色是男性的回归模型。
这是我现在使用的用于获得回归参数的SAS代码，它已经给出了与R中相同的结果：
PROC REG DATA= datasalary;
MODEL Salary=Yearsempl
浏览 2提问于2013-11-30得票数 1
1回答
为了减少离群值的影响，得到一个更稳健的回归，我应用了一种winsorization技术来修正一个序列(X)的值。然后，我将这些值与序列'y‘相对应。
这个模型的R平方自然要高得多，但我没有做正确的比较。
如何使用枕模型或状态模型获得原始数据的R-平方，使用winsorized中的beta估计？
浏览 1提问于2015-04-18得票数 1
回答已采纳
1回答
我使用三个特性(x1，x2，x3)进行回归。我的一些特性是连续的，有些是绝对的。
我的因变量是让预订的数量。我可以预测预订的数量。通过获得每个特征在回归中的重要性如下(即特征重要性)
x1 --> 0.1
x2 --> 0.5
x3 --> 0.7
特征3 (x3)在分类中所占比例最大，x2次之，x1最少。
我还进行了相关分析，以检查我的特征与目标(y)是正相关还是负相关，如下所示。
x1 --> positively correlated
x2 --> positively correlated
x3 --> negatively correlated
我
浏览 0提问于2019-12-20得票数 1
2回答
我想模拟数据进行回归分析，这涉及一个虚拟变量。当回归恢复斜率时，它不会恢复截距：
beta <- c(2,3,4)
x1 <- rnorm(100,50,5)
x2 <- sample(c(0,1), replace=T,100)
eps <- rnorm(100, 0, 5)
y <- beta[1] + beta[2]*x1 + beta[3]*x2 + eps
summary(lm(y~x1 + x2))
Call:
lm(formula = y ~ x1 + x2)
Residuals:
Min 1Q Media
浏览 0提问于2019-10-24得票数 2
回答已采纳
1回答
我尝试对二项式回归进行拟合优度测试，得到的结果是：
在我的老师给出的例子中，表格是row =0 1 column =0 1
而我的是column =1 0 row =0 1，如上图所示
这种差异在我得到的结果中重要吗？
浏览 0提问于2020-10-24得票数 0
2回答
我有一个svyglm()加权线性回归模型，并希望获得回归系数的标准化betas。我尝试使用lm.beta()函数来获取它们，但是当我这样做时，系数的p值发生了变化。我也尝试过使用effectsize:standardize_parameters()函数，但它返回的是未标准化的系数(与原始svyglm()模型中的系数相同)。如何获得具有正确p值的svyglm()模型的标准化系数？任何帮助都将不胜感激。以下是该模型的代码：
library(tidyverse)
library(lm.beta)
library(survey)
library(sjstats)
dat <- read.csv(
浏览 35提问于2020-10-06得票数 0
我正在尝试使用metafor()包学习元回归。在运行其中一个混合回归模型时，我收到一个错误，指出
“存在非正抽样方差的结果。”
对于如何处理这个错误，我不知所措。我知道，由于存在非正抽样方差，某些模型统计数据(例如，I^2和QE)无法计算。然而，我不确定这些结果是否可以像我们在其他情况下那样被解释。我还尝试使用其他估计器和/或未加权选项；错误仍然存在。
任何建议都将不胜感激。
浏览 3提问于2014-09-08得票数 0
我在r中运行了一个多元回归模型，其中的变量具有多个级别。在输出中，汇总显示了两个变量中除一个变量之外的每个级别的结果！我不明白为什么它不能全部显示出来？
例如，模型包括观察结果(测验的分数)，预测因素是醉酒(是-否)和“经验”(低-中-高)。在输出中，它返回这些因素变量中除“高经验”之外的每个级别的系数行。
我使用的是标准的lm()结构，即lm(score ~1+ drink + experience + controls，data=data)。有人能帮上忙吗？谢谢
浏览 0提问于2021-03-22得票数 0
1回答
我正在看来自的。这里给出了下面的代码，其中使用MCMC来计算logistic回归示例中的参数。
library(mcmc)
data(logit)
foo <- logit
out <- glm(y ~ x1 + x2 + x3 + x4, data = foo, family = binomial())
x <- foo
x$y <- NULL
x <- as.matrix(x)
x <- cbind(1, x)
dimnames(x) <- NULL
y <- foo$y
lupost <- function(beta, x
浏览 0提问于2019-03-19得票数 1
回答已采纳
1回答
我正在使用函数cv.glmnet()运行回归模型。参数standardize = TRUE在拟合模型之前对所有x变量(预测器)进行标准化。但是，系数始终以输出/结果的原始比例返回。有没有一种方法可以接收输出的标准化系数(beta权重)，从而使系数具有可比性？
浏览 1提问于2020-02-21得票数 3
这里是。数据的结构如下：id x1 x2 x3 y。
我使用proc mixed对其进行了分析，但现在我想确定回归系数，但我不知道怎么做。我只是sas的初学者。从结果可以看出，x1、x2、x3和x1x2x3的影响是显著的，但如何确定系数alpha, beta, gamma, delta, theta
y = theta + alpha*x1 + beta*x2 + gamma*x3 + delta*x1*x2*x3
这是我的代码：
ods graphics on;
proc mixed data=test;
class x1 x2 x3;
model y = x1 | x2 | x3
浏览 3提问于2016-04-10得票数 5
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
