অসম বৈকল্পিকতা সহ রিগ্রেশন মডেলিং

Question

আমি একটি রৈখিক মডেল (এলএম) ফিট করতে চাই যেখানে অবশিষ্টাংশগুলি সুস্পষ্টভাবে বর্ণনামূলক ভেরিয়েবলের উপর নির্ভরশীল।

আমি যেভাবে এটি করতে জানি তা হ'ল গামা পরিবারের সাথে বৈচিত্র্যকে মডেল করার জন্য গ্ল্যাম ব্যবহার করে এবং তারপরে এলএম ফাংশনের ওজনের মধ্যে এটির বিপরীতমুখীকরণ করা (উদাহরণ: http://nitro.biosci.arizona.edu/r/chapter31 .pdf )

আমি ভাবছিলাম:

• এটাই কি একমাত্র কৌশল?
• অন্যান্য কোন পন্থা প্রাসঙ্গিক?
• এই জাতীয় মডেলিংয়ের সাথে সম্পর্কিত কি প্যাকেজগুলি / ফাংশনগুলি? (অন্যান্য তবে গ্ল্যাম, এলএম)

Comments

আপনি যে অধ্যায়ে লিঙ্ক করেছেন glm()তারপরে তারা কোথায় ব্যবহার lm()করবেন। আমার কাছে glm()সেখানে প্রয়োজনীয় এবং ব্যবহৃত সমস্ত কিছু মনে হয় তবে আমি কিছু মিস করেছি। আপনি জেনারেলাইজড ন্যূনতম স্কোয়ারগুলি ব্যবহার করতে পারেন ( এনএলএম তে ) যা ওজনগুলিgls() আপনি উল্লিখিত হিটারোসেসডাস্টিকটির ধরণের নিয়ন্ত্রণের জন্য ওজন অনুমান করার অনুমতি দেয়; ?varFuncসেখান থেকে লিঙ্কগুলি দেখুন এবং অনুসরণ করুন। আইআইআরসি varFixed()আপনার যা ইচ্ছা তাই করবে।

— মনিকা পুনরায় ইনস্টল করুন - জি সিম্পসন

'প্রাক্ট মিশ্রিত' এ, 'সাবজেক্ট = অপশন' অবশিষ্টাংশের ভেরিয়েন্স-কোভারিয়েন্স ম্যাট্রিক্সে একটি ব্লক-ডায়াগোনাল কাঠামো তৈরি করে। আপনি কি এইভাবে সমকামী অনুমানকে পরিবর্তন করতে একটি সাধারণ রৈখিক মিশ্র মডেল হিসাবে বিবেচনা করেছেন?

— ocram

ধন্যবাদ গ্যাভিন, আমি এই ফাংশনগুলিতে কিছুটা তাকিয়েছি। দুটি প্রশ্ন: 1) আপনি কোনও টিউটোরিয়াল সুপারিশ করেন? (আমি সন্দেহ করি যে ম্যাস বইটি আমার একটি ভাল শুরু হোক, তবে আপনি যদি এটি নিয়ে কিছু চিন্তা করেন তবে ভাবছিলাম)। 2) যে মডেলটি আমি ফিট করছি তা সাধারণ ওএলএস, তাই জিএলএস ফাংশনটি ব্যবহার করার সময় অনুমানটি কতটা আলাদা হবে? (যদি আমি সঠিকভাবে মনে রাখি - বেশি না, যেহেতু এটি কিছু পুনরাবৃত্তির প্রথম ডিগ্রি সান্নিধ্যে কাজ করা উচিত, তবে আমি এ সম্পর্কে মোটেও নিশ্চিত নই)। ওকরাম - ধন্যবাদ, তবে আমি এসএএস ব্যবহার করি না।

— তাল গ্যালি

এখানে বিভাগ 2 এ এটি ব্যাখ্যা করা হয়েছে যে কীভাবে কোটাশিওসন রিগ্রেশন স্ট্যাটায় এটি করা যায়: stata.com/meeting/fnasug08/gutierrez.pdf । কেউ যদি আর-তে এটি পুনরুদ্ধার করার জন্য কোনও উপায় প্রস্তাব করতে পারে তবে আমি খুব কৃতজ্ঞ হব।

— এমএসপি

Answer 1

"মেগাফোন প্রভাব" এর বিরুদ্ধে বড়িগুলির মধ্যে রয়েছে (অন্যদের মধ্যে):

1. ব্যবহারের লগ ইন বা বর্গমূল রুপান্তর । এটি সঠিক নয় তবে কখনও কখনও এটি প্রশস্তকরণকে দায়ী করে।$Y$
2. ওজনযুক্ত সর্বনিম্ন স্কোয়ার রিগ্রেশন ব্যবহার করুন । এই পদ্ধতির মধ্যে, প্রতিটি পর্যবেক্ষণকে তার নিজস্ব ভেরিয়েন্স ফ্যাক্টর দেওয়া হয়। এই উত্তরটি কীভাবে আর-এ ডাব্লুএলএসআর ব্যবহার করবে তা বোঝায় (উদাহরণস্বরূপ যদি অবশিষ্টাংশের বৈকল্পিক উপায়ের সাথে সমানুপাতিক হয় তবে আপনি অদ্বিতীয় মডেলটিতে লাগানো মানের বিপরীত ওজন হিসাবে সরবরাহ করতে পারেন)।
3. শক্তিশালী রিগ্রেশন ব্যবহার করুন। আর rlm()এর MASSপ্যাকেজে থাকা ফানসিটন এম- এসিমেশন করে যা বৈচিত্রের বৈষম্যের জন্য দৃ rob় বলে মনে করা হয়।

জুলাই 2017 সম্পাদনা: দেখে মনে হচ্ছে গ্রেগ স্নোয়ের উত্তরে প্রস্তাবিত সাধারণ ন্যূনতম স্কোয়ারগুলি সর্বোত্তম বিকল্পগুলির মধ্যে একটি।

Comments

আমি স্ট্যাক ওভারফ্লো প্রশ্নের জন্য এই উত্তরটি তৈরি করেছি ।

— পিটার এলিস

জেনারেলাইজড ন্যূনতম স্কোয়ার্স অপশনটিও উল্লেখ করার মতো হতে পারে, ভার্স অপশন সহ জিএলএস ব্যবহার করে ভার্ফিক্সড () সেট করা হয়েছে - আমার কাছে এটি আরও মার্জিত বিকল্পগুলির মতো মনে হবে ...

— টম ওয়েনসেলিয়ার্স

পছন্দ করুন খেয়াল করুন এটি গ্রেগ স্নোয়ের উত্তর।

— gui11aume

Answer 2

সঙ্গে gamlss প্যাকেজ আপনি একটি রৈখিক, একটি অ-রৈখিক, অথবা ব্যাখ্যামূলক ভেরিয়েবল একটি মসৃণ ফাংশন হিসাবে প্রতিক্রিয়া ত্রুটির বন্টন মডেল পারবেন না। এটি বেশ শক্তিশালী পদ্ধতির বলে মনে হচ্ছে ( মডেল নির্বাচন প্রক্রিয়া চলাকালীন উত্থাপিত সমস্ত সম্ভাবনা সম্পর্কে আমি অনেক কিছু শিখেছি ) এবং উপরের লিঙ্কে উল্লেখ করা বেশ কয়েকটি প্রকাশনাতে (বই সহ) সমস্ত কিছু সুন্দরভাবে ব্যাখ্যা করা হয়েছে।

Answer 3

আর এর জন্য প্যাকেজে থাকা glsক্রিয়াকলাপ nlmeএকই সময়ে বৈচিত্রের সাথে রিগ্রেশন এবং সম্পর্কের অনুমান করতে পারে। weightsসহায়তা পৃষ্ঠায় যুক্তি এবং 2 য় উদাহরণ দেখুন ।