问题标签 [regression]

任何人都有在线资源/书籍参考，其中包含有关设置条件逻辑回归的详细教程/示例？（最好在 R、Matlab 或 Python 中）

我看到可以为 OLS 使用 regress/regstats，并且我找到了 L1-Regression (Laplace) 的在线实现，但我似乎不太明白如何实现 t 分布式错误术语。我已经尝试最大化残差的对数似然，但似乎没有提出正确的答案。

与 R 实现（我知道它已经过测试并且是准确的）相比，我得到的解决方案是错误的。

任何关于修复的建议或想法，我可以在哪里找到已经可用的解决方案？

我正在开发一个使用 Infragistic 网格的桌面应用程序。我们需要自动化相同的回归测试。

仅 QTP 不支持此功能，我们需要购买新的插件，我公司对此不太感兴趣。

我们是否有任何开源工具来自动化桌面应用程序的回归测试？应用程序在 Dot net 中，但我认为它没有太大区别。请建议，我已经完成测试，但它再次获得许可。我需要一些开源。

使用 R 的rpart函数时，我可以很容易地用它拟合模型。例如：

我的问题是 - 如何衡量我的三个解释变量（年龄、数字、开始）中的每一个对模型的“重要性”？

如果这是一个回归模型，我可以从“anova”F 检验中查看 p 值（在lm有和没有变量的模型之间）。但是在物体上使用“anova”的等价物是lm什么rpart？

（我希望我能把我的问题说清楚）

谢谢。

我现在正在查看我必须回归的面板数据集。由于我本学期才开始攻读博士学位和计量经济学课程，因此我对许多统计应用和回归方法仍然很陌生。我想做一个简单的回归，如 Y = x1 x2 x3 等，现在我已经浏览了一些文献，发现对于面板数据，做固定效应回归是很常见的。另外，我的 Y 变量只有正值，所以我在考虑 Tobit 模型的方向？

我正在做一些关于金融业务分析师覆盖范围的研究。我的自变量是某家公司的分析师的覆盖面，因此根据观察，我有 1 位分析师和 1 家公司，以及该公司的不同特征（市值和贝塔等）。所有这些数据都是每月的。由于覆盖率不能变为负数（只有 0），我在想一个 Tobit 模型？

你知道什么是好的回归方法吗？或者有一些很好的信息来源（电子书、书面书籍，通过大学我可以访问几乎任何与我的工作领域相关的东西）（因为我必须学习这些东西以备将来研究）？

我有几十万个测量值，其中因变量是概率，并且想使用逻辑回归。但是，我拥有的协变量都是分类的，更糟糕​​的是，都是嵌套的。我的意思是，如果某个测量有“城市 - 凤凰城”，那么显然肯定有“州 - 亚利桑那州”和“国家 - 美国”我有四个这样的因素 - 最细粒度的有大约 20k 水平，但如果需要我想我可以没有那个。我还有一些非嵌套的分类协变量（只有四个左右，每个可能有三个不同的级别）。我最感兴趣的是预测——给定某个城市的新观察结果，我想知道相关的概率/因变量。我对相关的推理机制 - 标准偏差不太感兴趣，等 - 至少到目前为止。我希望我能负担得起马虎。但是，我希望获得这些信息，除非它需要计算成本更高的方法。有人对如何攻击这个有任何建议吗？我研究过混合效果，但不确定它是否是我想要的。

是否可以使用 NumPy 在 Python 中执行多变量回归？

此处的文档表明确实如此，但我找不到有关该主题的更多详细信息。

是否可以使用具有二进制因变量的面板数据集在 R 中进行回归？我熟悉将 glm 用于 logit 和 probit 以及 plm 用于面板数据，但不确定如何将两者结合起来。是否有任何现有的代码示例？

编辑

如果我能弄清楚如何提取 plm() 在进行回归时使用的矩阵，那也会很有帮助。例如，您可以使用 plm 来执行固定效果，或者您可以使用适当的虚拟变量创建一个矩阵，然后通过 glm() 运行它。然而，在这种情况下，自己生成假人很烦人，让 plm 为你做会更容易。

Multiple R-squared有人可以向统计上的天真者解释和之间的区别Adjusted R-squared吗？我正在做一个单变量回归分析，如下所示：

结果：

对软件进行回归测试时有 3 个回归错误。“本地”、“未屏蔽”和“远程”。有谁知道每个的定义吗？谢谢