如何从滚动回归中提取te残差
从滚动回归中提取TE（Treatment Effect）残差的方法有多种。下面是一种常用的方法：
- 首先，我们需要明确滚动回归的概念。滚动回归是一种用于估计处理效应随时间变化的方法。它通过将数据分成多个时间窗口，并在每个窗口内进行回归分析来捕捉处理效应的动态变化。
- 在滚动回归中，我们可以使用滚动窗口的方式来提取TE残差。具体步骤如下：
- a. 将数据按照时间顺序划分为多个窗口，每个窗口包含一定数量的连续观测值。
- b. 对于每个窗口，我们可以使用回归模型来估计处理效应。回归模型可以是线性回归、逻辑回归等，具体选择取决于数据的类型和研究问题。
- c. 在每个窗口内，我们可以计算观测值的预测值，即根据回归模型得到的估计值。
- d. TE残差可以通过观测值减去对应的预测值得到。这样，我们就得到了每个观测值在每个窗口内的TE残差。
- TE残差的提取可以帮助我们分析处理效应的变化趋势和波动情况。通过观察TE残差的模式和分布，我们可以了解处理效应在不同时间段的表现，并进一步分析其影响因素和应用场景。
- 腾讯云提供了一系列与云计算相关的产品，可以帮助用户进行数据处理和分析。例如，腾讯云的云数据库（https://cloud.tencent.com/product/cdb）可以提供高性能的数据库服务；云服务器（https://cloud.tencent.com/product/cvm）可以提供可靠的计算资源；人工智能平台（https://cloud.tencent.com/product/ai）可以支持各类人工智能算法和模型的开发和部署等。
请注意，以上答案仅供参考，具体的方法和产品选择应根据实际需求和情况进行评估和决策。
相关·内容
我运行了下面的代码，得到了系数和r2值的结果，
model <- roll_regres(y ~ x1 + x2 + x3 + x4, Data, width = 15L, do_downdates = FALSE, do_compute = c("sigmas", "r.squareds"))
coef <- outneg$coefs
r2 <- outneg$r.squareds
我需要做的是做德班沃森检验残差？这里的问题是我无法从roll_regres中提取残差。如何获得滚动窗口回归的残值？
浏览 4提问于2022-03-04得票数 0
回答已采纳
我觉得这里有些奇怪的地方。例如，下面的代码为残差和新息提供了相同的值： fit <- us_change %>%
model(ARIMA(Consumption ~ Income)) %>%
augment() augment()函数似乎只提取新息值，并将其用于回归的残差。当我们使用residuals()提取残差和新息时，可以看到这一点 bind_rows(
`Regression Errors` = as_tibble(residuals(fit, type = "regression")),
`ARIMA Errors` =
浏览 37提问于2021-01-28得票数 0
回答已采纳
3回答
我需要用有序多项logit回归的拟合残差值绘制一个二进制残差图。
如何在使用polr时提取残差？有没有其他函数可以运行other logit，在其中可以提取残差？
这是我使用的代码
options(contrasts = c("contr.treatment", "contr.poly"))
mod1 <- polr(as.ordered(y) ~ x1 + x2 + x3, data, method='logistic')
fit <- mod1$fitted.values
res <- residuals(mod1)
bi
浏览 0提问于2012-02-11得票数 4
1回答
每个图像都标有左和右运动控制。我已经在下面的图表中绘制了它们。
我使用Keras和TensorFlow作为后端，使用ConvNets进行回归。
很明显，如果我能够删除可见回归左边的训练样本，回归可以变得简单得多。
加载图片和标签的代码非常简单，如下所示：
filenames = glob.glob("../data/*.jpg")
labels = []
images = []
for filename in filenames:
# Timestamp-LeftMotorControl-RightMotorControl.jpg
filename =
浏览 1提问于2017-02-17得票数 1
1回答
如何从滚动回归中提取te残差
、、、、
我正在尝试获得滚动回归的残差标准差(R汇总中的残差标准误差)。我正在尝试对总共4000天的20天的股票回报进行滚动回归。我可以做滚动回归，我可以从常规的lm回归中得到残差标准差，但不能用于滚动回归。我的数据类似于下面的数据，其中数据框具有多个股票的回报，向量是指数回报： data<-as.data.frame(matrix(rexp(20000, rate=.1), ncol=20)) vector<-rexp(1000,rate=0.1) 我可以为lm回归生成一个sigma：sigma(lm(data$V1~vector)) 我可以使用library(roll)和roll_lm
浏览 29提问于2020-04-03得票数 1
回答已采纳
1回答
R中的部分回归图
、、、
我是R的新手，我很想得到一些帮助，为一个研究项目创建一个部分回归图。
这是我的完整模型：
model2 <- lm(scenarios_anger ~ 1 + scenarios + age + female + politics + relg + spirit, data=data)
我的目标是创建一个散点图，该散点图只显示scenarios和scenarios_anger之间的关系，同时保持所有其他预测因子不变。
经过一些询问后，我想我需要1)创建另一个模型来预测除scenarios之外的所有其他预测因子的scenarios_anger，然后从这个模型中提取残差。2)创建第三个模型，
浏览 1提问于2017-03-27得票数 4
当我使用R运行lm()回归时，我从summary()得到了“残差标准误差”。为什么只有一个残差标准误差值，而不是每个观测值的残差标准误差列表？
summary()中显示的此值的含义是什么？摘要()中显示的“残差标准误差”是每个观察值的残差标准误差列表的平均值吗？谢谢。
Residual standard error: 0.8498 on 44848 degrees of freedom
(7940 observations deleted due to missingness)
Multiple R-squared: 0.4377, Adjusted R-squared: 0.4
浏览 2提问于2019-07-31得票数 2
1回答
我是R和统计的新手。
我有一个包含277家公司股票回报的矩阵，这个矩阵包含370行。由于这些公司的年龄不同，专栏中的观察量也有差异。我还有一个包含Fama法国因子的矩阵和一个包含虚拟变量的向量。我已经成功地创建了一个循环来获取回归系数，但是我需要检索一个包含回归残差的矩阵，或者一个残差矩阵，以便我能够执行GRS测试。
我到目前为止使用的代码是：
reg <- data.frame(matrix(nrow=370, ncol=277))
for (i in c(1:277)) {
reg[,i] <- dynlm(returns.ts[,i] ~ 1 + Mkt.Rf + SMB +
浏览 3提问于2016-04-12得票数 1
回答已采纳
我有时间序列数据(一个Y变量和一个X变量)。我对回归的剩余值进行了ADF测试(滞后到4)。测试表明，单位根存在于滞后3以上的残差中，而对于1和2的滞后则不存在。
另外，我对回归进行了Breusch-Godfrey检验，以检验序列相关性，结果表明存在1阶以上的序列相关性。
我的问题是：
直观地说，这两个测试是针对同一个问题进行的吗？在回归的残差中，序列相关与单位根存在的主要区别是什么？
如果这两种测试都指向不同的结论，你会怎么做？
使用gls(Y~X,corr=corARMA(p=1,q=0))方法是否同时处理序列相关性和单位根问题？
谢谢
浏览 1提问于2017-04-19得票数 2
根据我在R中指定线性回归模型(对于范畴变量)的方式，得到不同的标准误差值。
例如,
library(alr4)
library(tidyverse)
FactorModel <- lm(I(log(acrePrice)) ~ I(as.factor(year)), data = MinnLand)
summary(FactorModel)
但是，如果我用"+0“指定了一个回归模型，那么标准错误(以及其他值)是不同的。
FactorModel1 <- lm(I(log(acrePrice)) ~ I(as.factor(year)) + 0, data = Min
浏览 2提问于2020-10-12得票数 0
回答已采纳
1回答
我想计算回归系数的标准误差： y = X$$\theta$$ + e 其中θ是回归系数。我知道公式是： $$V(\theta) = \sigma^2 (X^T X)^-1$$ 如何计算上面的公式而不计算逆呢？
浏览 5提问于2020-07-15得票数 0
1回答
R预测软件包中的动态回归
、、、
我有两个变量的时间序列，代表两种货币: SYP (叙利亚镑)和LBP (黎巴嫩镑)。这些数据代表了前六个月两种货币的每日价值。以前，我使用SYP作为因变量，LBP作为自变量运行一个标准回归模型。这是结果：
SYPts <- ts(SYP_LBP)
modelSYPLBP <- tslm(SYP ~ LBP, data = SYPts)
summary(modelSYPLBP)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -835.77100 228.9
浏览 2提问于2021-03-09得票数 0
2回答
神经网络预测区间
、、、、
我用Python创建了一个神经网络来解决一个回归问题。我希望每个值都有一个预测间隔。既然神经网络是非线性的，我该如何处理这个问题呢？
浏览 34提问于2019-05-29得票数 0
2回答
因为我想的是residual=(实际预测)。让我们用线性回归实际函数：
y= mx+c+error，我们在预测中得到的函数是y=mx+c
最小化RSS。那么残差只不过是错误，那么为什么这两个术语被描述为不同。
如果我错了，请纠正我。
浏览 0提问于2019-06-25得票数 1
回答已采纳
编辑:到目前为止，我已经发现这个问题--如果是的话--与我的模型选择了规模t分布的事实有关。运行高斯分布的模型并不会导致同样的问题。
然而，我想知道为什么会发生这种情况。对于使用不同发行版的模型来说，fitted + residuals != dependent variable是否正常？
用mgcv's gam()拟合了一个包含随机因子光滑的非线性模型。
以下是原来的问题：
######################################################################
我用fitted(model)提取拟合值，用resid(model)提
浏览 1提问于2021-01-16得票数 0
回答已采纳
我在运行一个线性混合效应模型，有一个相互作用项。
library(lme4)
library(effects)
data<-mtcars
model<-lme4::lmer(mpg~cyl + hp*gear+ disp + (1|carb), REML=T, data=data)
# The partial residuals appear on the default effect() plot
plot(effect("hp:gear",partial.residuals=TRUE, model))
# But partial residual value
浏览 5提问于2020-01-11得票数 0
回答已采纳
我有一个数据集135种，6个生活史性状(响应)和2个环境变量(预测)。我有兴趣做一个pgls回归分析，使用软件包Caper，以观察环境变量对每个生活史性状的影响。以女性体重为性状之一，计算了各性状对女性体重的pgls回归，并对环境变量进行了多变量回归。为了检查回归诊断对体重的单因素特征回归是否正常，我使用了plot.pgls()。这些地块显示出一些离群点的存在。在一些文章中使用pgls在Caper，数据点的学生化残数>3已排除作为离群点。
有人能帮我弄清楚如何计算出在Caper中的pgls回归的学生化残差吗？
pgls回归给出了系统发育和非系统发育的残差。其中哪一个是学生化的残差
浏览 3提问于2015-02-07得票数 0
我需要帮助才能知道一个函数可以从回归方程中提取残差。
我需要该功能，以使2阶段信用模型。我想从第一阶段模型(回归)中提取残差，并将残差应用于第二阶段模型(y值)。
如果SAS9.4中有适当的功能，这将是非常有帮助的。
谢谢
浏览 1提问于2016-01-06得票数 0
我是新的生存统计和这些论坛，所以请原谅我不知道行话或适当的调查方式。WIll给我最好的机会。
我的目标是做一些考克斯回归，并想做一些基本的诊断，它的适用性。我有大约13个协变量，当我执行get诊断时，我可以得到一个偏差残差图。然而，这个阴谋代表了整个考克斯模型，我发现它是扭曲的。因此，我希望对Cox模型中的每一个协变量进行相同的分析，以查看哪些协变量是突出的，哪些是可能需要转换的(log、三次样条、多项式等)。
我只是不知道该怎么做。我应该使用什么代码？
图书馆(“冲浪者”)
res.cox = coxph(Surv(TimeAxis，new_totmort) ~ pwvX_AUS + MA
浏览 0提问于2019-01-11得票数 0
我正在处理一些选举数据，试图将其按“国家”和“选举”分开。我运行了一个对状态和年份有固定影响的回归(如下面所示)，获得了我的汇总数据，并一直试图使用resid()函数来提取残差。
m5 <- lm(demVote ~ state*year, data=presidentialElections)
plot(resid(m5) ~ fitted(m5))
resid.m5 <- resid(m5)
我认为这一切都是完美的。然而，这里是我迷失的地方--如果我做了总结(resid.m5)(我把提取的残差放在这里，或者我这样想)，我似乎找不到我的因子名了。如果我想查看每个州或每一年的剩余
浏览 2提问于2014-02-01得票数 0
回答已采纳
我有一个大约有17000行的文件，我执行了一个简单的线性回归
Gene_id expA expB
GeneA 5.462109 5.006181
GeneB 2.667692 4.208152
GeneC 4.796976 4.122660
GeneD 3.127125 3.676322
GeneE 4.500583 4.104575
GeneF 4.598430 4.853717
我用下面的代码进行回归分析
plot(log2(data$expA)~log2(data$expB))
regressio
浏览 1提问于2015-02-05得票数 2
回答已采纳
1回答
例如，一个产品的数量与价格，如果我发现对于特定的数量，价格偏离了线太多，有没有统计数字显示与R中的回归线的点有多大的差异？
或者说，如何测量从图上的特定点到回归线的距离？感谢您的意见
浏览 0提问于2015-07-22得票数 0
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
1回答
解决方案很棒。然而，如何显示系数并计算回归的RMSE呢？我知道在没有预测的情况下计算系数是可能的，但我希望两者都在同一个代码中。
提前感谢！
浏览 17提问于2018-08-07得票数 1
回答已采纳
我试着寻找这个问题的答案，但到目前为止还没有找到。我使用statsmodel在均值推算的数据集上实现了一个普通的最小二乘回归模型。我可以访问OLS结果中的残差列表，但不能访问学生化残差。我如何计算/获得学院化的残差？我知道计算学生化残差的公式，但我不太确定如何在Python中编写这个公式。
提前谢谢。
更新:我已经找到答案了。我可以从OLS结果的outlier_test()函数中获得包含学院化残差的数据帧。
浏览 2提问于2017-08-03得票数 9
R的新手，并试图使用Metafor包运行metanalysis，但正在与出版物偏差分析作斗争。
我正在尝试分析Metafor包中的发表偏差，以便进行包括系统发生控制(从系统发生树到距离矩阵)的分析(rma.mv模型)。Nakagawa和Santos 2012建议在修剪和填充分析或Egger回归中使用phylo模型的残差。我理解这个原则，但我在执行时遇到了问题。以下是我所做的工作：
ES_Calc <- rma.mv(yi=yi, V=vi, random= ~1|PhyloName, R=list(PhyloName=PhyCor),Rscale="cov0", data
浏览 0提问于2015-12-14得票数 0
2回答
我有一个有一个输出值和两个输入值的多元线性回归模型。
z=Ax+By+C
我想绘制残差与实例的关系图。有没有我可以使用的标准工具。我有数据，要使用Openoffice calc，我可以从内置函数中计算斜率和截距，但它们只能用于简单的线性回归。我可以使用HOw吗？这里。
干杯。
浏览 2提问于2013-07-18得票数 0
回答已采纳
我有一个线性回归问题，我用以下方法解决了这个问题：
m=lm(value ~ mean, data=d)
从这个值我可以得到R2和回归方程。
但是我想得到标准误差(拟合误差)。我能够看到值，但我不知道如何获取它，以便将其存储在数据框中。
我使用summary(m)获得值，结果如下所示：
Call:
lm(formula = value ~ mean, data = d)
Residuals:
Min 1Q Median 3Q Max
-25.000 -15.909 -2.124 14.596 44.697
Coefficients:
浏览 2提问于2012-03-06得票数 3
回答已采纳
1回答
对于一个简单的回归模型，我们可以使用残差图来检查线性模型是否适合建立我们的预测器和我们的响应之间的关系(通过检查残差是否随机分布)。
然而，当我们有多个预测器和一个响应时(即对于多元线性回归模型)，是否有类似的方法来检查线性回归是否适用？
浏览 1提问于2020-02-03得票数 0
2回答
如果我有一条回归线和一个r的平方，是不是有一个简单的numpy (或其他一些python库)命令来随机绘制，比如说，与回归一致的x的y值？就像你可以从分布中抽取一个随机值一样？
谢谢!
编辑:我有回归直线的方程式和一个r^2值。这个r^2值应该提供了我的直线周围数据点分布的一些信息，不是吗？如果我只是调用这个y=random.gauss()*x+b，我是不是丢失了我的r^2中的信息？或者这将被纳入到stdv中，如果是的话，是如何被纳入的？对不起，我只是以前没怎么用过回归。
浏览 0提问于2012-02-24得票数 1
1回答
当将列传递给seaborn.residplot时，是否可以传递多个IV变量(在多元回归分析的情况下)？
我尝试了一些常规的方法'IV1'，'IV2‘等等。但它们似乎不起作用。
浏览 1提问于2018-03-24得票数 1
回答已采纳
真的很简单的问题！我正在运行y~x的许多线性回归，并希望获得每个回归的方差，而不是从summary.lm命令中给出的标准误差输出手动计算方差。为了节省一点时间:-)。对执行此操作的命令有什么想法？或者我必须自己写一个函数来做这件事？
m<-lm(Alopecurus.geniculatus~Year)
> summary(m)
Call:
lm(formula = Alopecurus.geniculatus ~ Year)
Residuals:
Min 1Q Median 3Q Max
-19.374 -8.667 -2.094
浏览 3提问于2013-02-19得票数 17
回答已采纳
1回答
我正在根据尺寸和其他属性对我们购买的产品的价格进行回归分析。
然而，在奇怪的情况下，往往会出现影响价格的因素，这在分析的特点中没有(也不能)直接解决。
每次我运行一个回归，我将检查20与最大的错误手动，和90%+的时间他们将是奇数购买，如前面提到的，就我的目的，可以完全忽略。
我一直在寻找厨师的距离，以删除这些，但我不知道如何最好地设置阈值，或是否有更好的方法使用。
浏览 0提问于2016-06-28得票数 3
1回答
在R中，我对下面的数据库使用了多项式回归。结果表明，R2值较好，各系数和模型的显着性水平均小于0.0 5。但是，当使用shapiro.test测试残差时，p值为0.01088，这意味着残差不符合正态分布。所以我想知道多项式回归是否有效。多项式回归的残差是否必须满足正态假设？
下面是用于回归的代码和数据。
alloy<-data.frame(
x=c(37.0, 37.5, 38.0, 38.5, 39.0, 39.5, 40.0,
40.5, 41.0, 41.5, 42.0, 42.5, 43.0),
y=c(3.40, 3.00, 3.00, 3.27, 2.10
浏览 2提问于2017-05-29得票数 0
回答已采纳
我正在尝试绘制一个rlm - object，但是我得到了以下错误
Error in lm.influence(x, do.coef = FALSE) :
non-NA residual length does not match cases used in fitting
我在互联网上搜索了这个错误，但没有找到任何东西，我不明白它的含义和为什么会出现它。
rlm回归中使用的数据由1个因变量和4个解释变量组成。所有的观察结果都不是NA或NULL。
结果对象model$df.residual等于NA。这是整个结果对象中唯一的NA。
谁能给我解释一下如何避免让df.residual等于NA
浏览 1提问于2015-10-23得票数 2
我创建了一个Logistic回归模型，并用它来预测出席率：
LogModel <- glm(formula = Attended ~ City + Duration,
family = binomial(logit), data = MyData)
prediction <- predict(LogModel, MyData, type = "response")
为了获得brier分数，我应该在brierscore()函数中使用哪些参数？
浏览 9提问于2014-08-06得票数 1
我用Q-Q图来检验我的线性回归的残差是否服从正态分布，但结果是一条垂直线。
看起来线性回归是这个数据集的一个很好的模型，所以不应该将残差分布为
这些点是随机创建的：
import numpy as np
x_values = np.linspace(0, 5, 100)[:, np.newaxis]
y_values = 29 * x_values + 30 * np.random.rand(100, 1)
然后，我拟合了线性回归模型：
from sklearn.linear_model import LinearRegression
reg = Linear
浏览 15提问于2022-07-14得票数 2
回答已采纳
我有一些有异常值的数据。然而，我的数据有方向，有趋势，在寻找异常值时需要考虑这些趋势。然而，异常值不仅仅是一个是或否的答案。我能说的唯一一件事是，一个数据点离趋势越远，它就越有可能是我不想包含在我的数据中的异常值。
考虑到标准偏差、线性回归和我正在查看的数据块都依赖于上下文，我所知道的没有静态函数来确定某个东西是否是异常值。
我可以使用各种技术选择好的异常值，但问题是，无论何时你去除异常值，你都是在使用你从中挑选异常值的数据的上下文。
我知道，当您为NN准备数据时，数据必须始终以完全相同的方式准备。也就是说，它经历了一组静态过程/函数。用于选择异常值的技术需要上下文，并且上下文会发生变化，因此
浏览 3提问于2019-07-31得票数 0
1回答
我很难理解如何比较MSE和数据方差的结果。我知道MSE被用来计算数据点离预测有多远，比如说你做了线性回归，方差告诉我们数据点有多远。这些是可比的吗？如果是的话，在什么方面？举个例子，我们必须做线性回归，得到数据的方差在3-400左右，但平均均方根值比50.000高得多。我们如何比较这两个值呢？如果这两者大致相等的话，是否合适呢？或者，即使MSE比方差高得多，它也是一个很好的匹配吗？
(预先谢谢:)
浏览 0提问于2022-10-30得票数 0
1回答
我想用图形显示线性(以及后来的其他类型)回归的假设。如何将小高斯密度(或任何类型的密度)添加到回归线上，如下图所示：
浏览 4提问于2015-08-03得票数 11
回答已采纳
1回答
我在Matlab中编写代码时遇到了这个问题，我希望有人知道如何解决这个问题。
总结:问题是我有几个不同的金融投资组合(1070个投资组合)，我需要对每个投资组合运行回归。然后使用第一次回归的残差，我想引导这些残差(获得大约1000个自举残差样本)，但每个单独的投资组合。这是因为我不能混合来自不同投资组合的残差。
详细地说:我有一个向量告诉我投资组合的数字，这是一个随机数字，但对于特定的投资组合是唯一的。然后我将投资组合的回报收集到一个长向量中(14k观察值)，所以我需要做的是某种“滚动窗口”OLS回归，只回归与单个投资组合对应的数据，提取常量和betas并保存这些数据，然后对所有不同的投资组合
浏览 0提问于2011-06-08得票数 2
我试图找到以下回归的残差，但我找不到它。
Model=reg(Data,@model(Y~X,save = true))
在文档中，它说残差将被保存在数据框中，但它不是“数据”。
浏览 0提问于2018-10-13得票数 0
我正在尝试使用pscl包使用零膨胀泊松回归来构建一些模型，在操作了输出对象之后，我发现residuals(fm_zip)并不等同于fm_zip$residuals。
下面是我正在讨论的一个示例：
library("pscl")
data("bioChemists", package = "pscl")
fm_zip <- zeroinfl(art ~ . | 1, data = bioChemists)
names(fm_zip)
fm_zip$residuals
residuals(fm_zip)
all.equal(fm_zip$res
浏览 2提问于2013-07-23得票数 4
回答已采纳
1回答
水平测井回归解释？
、、、
如果我想通过OLS估计水平对数回归，我这样做是因为我相信我的x值(自变量)显示我的y值(因变量)的边际收益递减。
例如，小时= beta0 +Beta1*log(工资)，其中小时=每周工作小时工资=小时工资
则OLS拟合一条线性直线。为了解释我的beta1系数，我将其除以100，即工资每增加1%，对每周工作时间有XX个影响。
但是从我估计的beta1系数，我怎么能看到独立变量对依赖项的影响在减小，因为它是一条线性的线呢？
在估计之后，我突然看不到我如何解释这个常量对依赖变量的递减影响？
亲切地问候玛丽亚
浏览 0提问于2012-10-11得票数 0
回答已采纳
2回答
我运行了一个KNN模型。现在我想绘制残差与预测值之间的关系图。来自不同网站的每个例子都表明，我必须首先运行线性回归模型。但我不明白该怎么做。有人能帮上忙吗？提前谢谢。这是我的模型- train, validate, test = np.split(df.sample(frac=1), [int(.6*len(df)), int(.8*len(df))])
x_train = train.iloc[:,[2,5]].values
y_train = train.iloc[:,4].values
x_validate = validate.iloc[:,[2,5]].values
y_valid
浏览 317提问于2020-07-02得票数 2
回答已采纳
1回答
假设我有三个时间序列：
y <- c(7, 8, 9, 2, 4, 5, 9, 4)
x <- c(9, 3, 5, 2, 7, 1, 6, 1) and
z <- c(NaN, NaN, NaN, 9, 10, 3, 5, 3)
现在我想用R：reg1 <- lm(y~x+z)计算以下回归，然后summary(reg1)给出以下输出：
Call:
lm(formula = y ~ x + z)
Residuals:
ALL 3 residuals are 0: no residual degrees of freedom!
Coefficients:
浏览 1提问于2015-04-10得票数 0
回答已采纳
1回答
不平衡数据集是分类问题的一个描述良好的问题.
然而，对于回归，可能会出现类似的问题。例如，目标变量具有非常不规则的直方图的数据集。
📷
在对这类数据进行模型拟合时，主要关注的将是120附近的峰值。但是，我想要创建一个模型，它可以在整个时间间隔从40到160之间工作。
您通常会如何处理这些问题？
你知道关于这个话题的任何文献吗？
平衡数据集是一个很好的方法吗?这是如何实现的？
浏览 0提问于2019-10-31得票数 1
1回答
我做变T(温度)的空间建模。我使用文献中常用的方法--进行回归(使用海拔等变量)。然后利用IDW对残差进行空间插值。R包gstat似乎有以下选项：
interpolated <- idw(T ~ altitude, stations, grid, idp=6)
spplot(interpolated["var1.pred"])
但是在idw()的文档中，他们写道：
idw执行..。不要使用公式中的预测器。
实际上，如果只进行回归，而不对残差进行空间插值，结果就完全一样。我知道我可以手动完成：
m1 <- lm(T ~ altitude, data = dat
浏览 1提问于2013-07-31得票数 1
1回答
📷
我试图建立一个基于许多变量的房屋销售价格线性回归模型(基于这个Kaggle挑战https://www.kaggle.com/c/house-prices-advanced-regression-techniques的数据)。
上面的分布是二楼的面积，以平方英尺为单位，y轴是销售价格。它显示出一个明显的线性，除了没有二楼的房屋显然不是以0美元出售的事实。
我有许多这样的变量，它们有一些阈值，无论是上的还是下的，对于单个值都有很大的响应分布。如果我简单地排除这些值，那么这条曲线的截距将通过原点。我是否应该让这种情况出现，并假设0美元的价格标签将被我回归中的其他变量所纠正？
处理/拟合这样的数据
浏览 0提问于2016-10-18得票数 1
回答已采纳
嗨，我想运行二项响应变量的两阶段最小二乘回归。对于连续响应变量，我使用R包"sem“中的"tsls”选项。
下面是我的命令，我想知道我这样做是正确的。
(x:内生变量，z:工具变量，y:响应变量(0或1))
xhat<-lm(x~z)$fitted.values
R<-glm(y~xhat, family=binomial)
R$residuals<-c(y - R$coef[1]+x*R$coef[2])
谢谢
浏览 1提问于2015-06-22得票数 1
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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
