안녕하세요 모든 사람,
나의 이름 ~이다 라에드 파딜 모하메드.
I ~이다 a 통계학자. I 강사 ~에 대학교 ~의 무스탄시리야.
나의 논문 제목은 견적 그만큼 매개변수 ~의 푸아송 회귀 모델 아래에
그만큼 다중공선성 문제 .
개요: 푸아송 회귀 모델, 다중공선성 문제,
능선 회귀 추정기 방법,
Liu 추정 방법, 그리고 진짜 데이터 예.
결론 그리고 참고자료.
포아송 회귀 모델.
하나 ~의 그만큼 종류 ~의 회귀 모델 저것 떨어지다 아래에 선형-대수
회귀 모델 ~처럼 ~에 의해 취득 그만큼 자연스러운 로그
~의 그만큼 분포 공식, 돌아서 다 ~ 안으로 a 선의 절차.
무작위의 오류 에서 모델 따라가다 푸아송 분포 ~와 함께 a 매개변수
~에
그만큼 모델 ~이다 기반을 둔 ~에 둘 필수적인 가정 ~에 대한 그만큼 분포
~처럼 그것 다르다 ~에서 그만큼 분포 ~의 무작위의 선형 회귀의 오류
모델과 그만큼 속성 ~의 그만큼 푸아송 분포 매개변수 ~에 ~처럼 a 기능
~의 예언자 변수.
M 극공선성 문제.
다중공선성 문제 발생 언제 둘 또는 더 예언자 변수 ~이다 상관관계가 있는
에게 고체 선의 관계, 그래서 그것은 어려운 에게 분리된 그만큼 효과
~의 각 예언자 변하기 쉬운 ~에서 그만큼 매달린 변하기 쉬운
~에 관행.
또는 언제 그만큼 값 ~의 하나 ~의 그만큼 예측 변수 의존한다 ~에 하나 또는 더
~의 그만큼 다른 예언자 변수 ~에 그만큼 모델 아래에 공부하다,
~처럼 잘 ~처럼 만약에 데이터 걸립니다 그만큼 형태 ~의 a 시간 시리즈 또는 가로질러- 부분 데이터.
그만큼 다중공선성 문제 ~할 수 있다 BE 기밀 ~ 안으로 둘 유형:
숫자 1, 완벽한 다중공선성.
의 결정자는 정보 행렬 0이고, x 바꾸어 놓다 x 단호한 동일한
영.
그것은 다음과 같습니다 이것 ~이다 불가능한 에게 추정,
그만큼 매개변수 ~의 그만큼 회귀 모델 ~로 인한 에게 그만큼 할 수 없음 에게 계산하다
그만큼 역 ~의 행렬 x 바꾸어 놓다 엑스.
그만큼 최상의 방법 ~에 이것 사례 에게 계산하다 x x를 전치하십시오. 우리 ~할 수 있다 만들다 사용
주요한 요소 분석.
숫자 2, 준완벽 다중공선성.
~ 안에 이것 사례, 만약에 그만큼 값 ~의 그만큼 결정자 정보 행렬
~이다 최소한의, 닫다 에게 영,
그 다음에 그만큼 매개변수 추정된 많은 변화.
그만큼 최상의 방법 ~에 이것 사례 우리 ~할 수 있다 사용 회귀 방법 또는 사자 별자리
평가자 방법.
그만큼 수행원 공식 여기 ~할 수 있다 표현하다 그만큼 변화- 공분산 행렬
~의 매개변수 추정된.
아마도 그만큼 최상의 통계적 방법 ~을 위한 자질 그만큼 다중공선성
강함 ~이다 그만큼 변화 ~에 평탄화 요인 VIF, 누구의 공식은 ~처럼 다음과 같습니다.
VIF 동일한 하나 ~ 위에 하나 마이너스 R 정사각형.
R 정사각형 여기 단호한 계수.
능선 회귀 평가자 방법.
하나 ~의 그만큼 중요한 대안 ~을 위한 추정 그만큼 매개변수
~의 회귀 기준 치수 언제 거기 ~이다 m 극공선성 ~ 사이 예언자
변수.
이것 방법 확립된 ~에 따라 에게 그만큼 원칙 ~의 그만큼 연구원 호를
그리고 케나드, 어느 ~이다 ~에 의해 첨가 a 작은 긍정적인 수량 에게 그만큼 내 거 지름
강요 ~의 그만큼 정보 행렬.
그만큼 회귀 추정자 ~이다 기반을 둔 언제 k 보다 큰 ~보다 영 그래서 저것 그만큼 베이스
양 ~할 수 있다 BE 표현하다 ~에 의해 그만큼 공식, 마이너스 포함 신원 ~에 의해 베타.
리우 추정기 방법.
연구원 리우 1993 누워 그만큼 기초 ~의 이것 방법 에게 주소
그만큼 문제 ~의 그만큼 변화 인플레이션 ~의 그만큼 추정된 매개변수
~에 그만큼 있음 ~의 다중공선성 문제.
그만큼 리우 평가자 ~을 위한 그만큼 매개변수 푸아송 회귀 ~할 수 있다 BE 표현하다
~에 그만큼 수행원 공식.
또한 리우 추정자 ~이다 치우친 언제 d 보다 큰 ~보다 영 그리고 그만큼 크기
~의 그만큼 편견 ~이다 z 마이너스 신원 ~에 의해 베타.
리우 추정자 ~이다 치우친, 그만큼 이유 ~의 그만큼 편견 ~이다 그만큼 추가됨 값
디, 어느 범위 ~ 사이 영 그리고 하나.
또한, 그만큼 계획된 평균 제곱 오류 ~에 따라 에게 리우 추정자' 방법
~이다 더 적은 ~보다 그만큼 평균 제곱 오류 ~을 위한 그만큼 같은 매개변수 만약에 추정된
~에 따라 에게 그만큼 최고 개연성 방법.
진짜 데이터 예.
우리 ~ 할 것이다 얻다 진짜 데이터 ...에 관하여 타고난 결함 ~의 그만큼 마음
그리고 순환계 체계 ~에 a 새로운 태어난 ~에서 그만큼 본부 어린이T 각각 병원
~에 바그다드, 이라크, 어디 그만큼 분포 ~의 a 매달린
변하기 쉬운 y는 이상 ~의 그만큼 마음 그리고 순환계 체계
~에 어린이들 ~였다 공부했습니다.
또한 공개 존재 ~의 a 다중공선성 문제 ~ 중에
그만큼 예언자 변수 아래에 공부하다.
그만큼 사례 ~의 타고난 장애 도착 ~에 그만큼 본부 어린이 가르치는
병원 ~이다 녹음된 ~에 a 형태 준비된 ~에 의해 그만큼 통계 분할 ~에 그만큼 병원
~에 그만큼 형태 ~의 세다 데이터 그리고 합계 이내에 두 가구 연립 주택 월간 간행물 미문,
그만큼 견본 ~였다 찍은 ~을 위한 그만큼 기간 ~에서 2012년 에게 끝 2019년,
그리고 푸아송 회귀 모델 ~였다 세워짐 ~처럼 하나 ~의 그만큼 적절한 모델
에게 설명하다 이 현상은 그만큼 수행원 공식:
이에쿠 알 지수 베타 하나 xi 1 ...을 더한 베타 2 xi 2 ...을 더한 베타 3 xi 3 플러스 베타
4 xi 4 플러스 베타 5 xi 5 플러스 베타 6 xi 6 플러스 베타 7 xi 플러스 ui.
y가 대표하는 것 그만큼 총 숫자 ~의 어린이들 ~와 함께 타고난 마음
그리고 순환계 결함 ~에 각 기간.
Xi1, 총 가중치 ~의 감염된 어린이들 이내에 각 기간.
Xi2, 총 나이 아버지 ~의 활용 어린이들 이내에 각 기간.
Xi3, 각 기간 내 굴절 아동의 어머니의 총 연령입니다.
시 4, 나타냅니다 그만큼 숫자 ~의 감염된 남성 어린이들 이내에 각 기간.
Xi5 나타냅니다 그만큼 숫자 ~의 감염 여성 어린이들 이내에 각.
시 6, 그만큼 숫자 ~의 감염된 어린이 태어나다 동족 출신 결혼
이내에 각 기간.
시7, 그만큼 숫자 ~의 감염된 어린이들 누구의 어머니들 ~이었다 노출된 에게 방사능
또는 삶 영향 그런 ~처럼 취득 확실한 약물 그리고 약제 임신 중.
베타 하나, 베타 둘, 베타 삼, 베타 4개, 베타 다섯, 베타 육 그리고 베타 일곱 베타.
그만큼 경사 매개변수 ~에 그만큼 모델 그리고 베타 메모 나타냅니다
그만큼 일정한 용어.
UI 대표하다 그만큼 무작위의 오류 ~에 그만큼 모델.
이것 테이블, 테스트 데이터 그리고 진단 다중공선성 에게 찾다 밖으로 개연성
분포 ~에 따라 에게 어느 응답 변하기 쉬운 ~할 수 있다 BE 배포.
우리 사용 도약 찬성 16.2 그리고 그것 ~였다 설립하다 그리고, 매달린 변하기 쉬운 다음 그만큼 푸아송
분포 ~와 함께 분산 매개변수, ~에 같음 6.5.
에게 확인하다, 그만큼 적당 ~의 그만큼 푸아송
분포 에게 그만큼 응답 변수 y.
그만큼 테스트 선량 ~의 그것 ~였다 실시 ~을 위한 그만큼 변하기 쉬운 ~의 그만큼 총
숫자 ~의 어린이들 ~와 함께 타고난 마음 그리고 순환계 방어 ~에 각 기간.
그만큼 던지다 어느 우리 만들다 보여주다 저것 그만큼 독 분포 ~이다 그만큼 최대
승진하다 분포 저것 매달린 변하기 쉬운 따를 수 있습니다.
어디 우리 가지고 있지 않다 그만큼 선량 ~의 시험 값 ~이다 4958.4579 ~와 함께 중요성
수준 닫다 에게 영.
처럼 ~에 그만큼 테이블 ~에 그만큼 앞쪽 ~의 너.
에게 감지하다 ~이든 거기 ~이다 다중공선성 ~ 중에 그만큼 제품
변하기 쉬운 아래에 공부하다,
우리 ~할 수 있다 계산하다 그만큼 상관관계 행렬 ~ 사이 그만큼 예언자 변수.
에서 그만큼 수치 우리 관찰하다 저것 값 ~의 상관관계 계수 ~이다 중요한
그리고 크기가 큰 ~을 위한 모두 예언자 변수, ~처럼 각 변하기 쉬운 ~이다 관련된 ~와 함께 모두
예언자 변수, ~와 함께 그만큼 강한 직접 선의 상관관계.
이것 테이블 표시됨 그만큼 값 ~의 다양한 기능 요인.
처럼 그만큼 가장 큰 ~의 그들을, 잘 저것들 ~의 그만큼 프로젝터 변수, X2, X3 및 X4
프로젝터 변수를 약화시키는 분산 팽창 요인
숫자 18이 존재합니다.
에서 이것 우리 끝내다 저것 거기 ~이다 a 선의 곱하다 ~ 사이
그만큼 예언자 변수 그리고 그만큼 [들리지 않음 00:16:24].
애플리케이션 ~의 푸아송 회귀 방법.
매개변수 평가자 다음을 사용한 포아송 회귀 모델 방법 회귀,
우리 관찰하다 저것 그만큼 총 숫자 ~의 어린이들 ~와 함께 타고난 건강,
그리고 순환계 결함 ~에 각 기간 의존한다 ~에 그만큼 증가하다 그리고 모두
매개변수 ~의 [들리지 않음 00:17:11].
하지만, 최대 변수 ~이다 의미 없는. x1, x4,
X5와 X6
왜냐하면 ~의 그만큼 효과 ~의 두 가구 연립 주택- 완벽한 다중 공선성.
또한, 그만큼 결과 나타내다 저것 그만큼 베이스 매개변수 ~이다 k 동일한 영
포인트 하나, 둘.
[외국어 00:17:53]
86.4959.
이것 테이블 우리 ~할 수 있다 얻다 ~에 의해 사용하여 JMP.
언제 우리 ~이다 지원 그만큼 리우 평가자 방법 에게 추정 그만큼 계수
~의 그만큼 푸아송 회귀 기준 치수 ~에 그만큼 있음 ~의 그만큼 다중공선성
문제.
우리 사용 그만큼 JMP 비밀 에게 연결하다 ~ 사이 우리의 언어 그리고 JMP.
이것 비밀 연결하고 실행하려면 JMP,
그만큼 패키지 ~의 리우 회귀 ~에 우리의 언어.
신청하면서 [청취 불가 00:19:12] 계수에 대해 이 결과를 얻었습니다.
우리 관찰됨 저것 그만큼 총 숫자 ~의 어린이들 ~와 함께 그만큼 타고난 마음
그리고 순환계 ~에 각 기간 의존한다 ~에 그만큼 정도
~의 증가하다 ~에 모두 매개변수 ~의 그만큼 모델,
~에도 불구하고 그만큼 무의미함 ~의 그만큼 변하기 쉬운 xi 1.
왜냐하면 모두 변수 아래에 공부하다 ~이다 증가 그만큼 숫자 ~의 어린이들
~와 함께 타고난 장애, 하지만 그것 ~이다 매우 좋은 속성.
또한 그만큼 결과 나타내다
저것 배고픈 형성 기준 35. 29
추가하다 그만큼 베이스 매개변수 d 4.1과 같습니다.
언제 비교 그만큼 둘 행동 양식 회귀 그리고 리우 추정자,
우리 알다 저것 그만큼 평가자 접근하다 주어진 a 낮은 값 ~의 정보.
가지다 더 중요한 능숙한 언제 그들 비교하다 에게 그만큼 규칙 방법.
결론.
~ 안에 이것 종이, 우리 검토 그만큼 최대 중요한 방법 ~의 매개변수 추정
~의 그만큼 푸아송 회귀 모델 언제 그만큼 데이터 시달리다 ~에서 그만큼 문제
~의 두 가구 연립 주택- 완벽한 다중공선성, 어디 가지고 갔다 능선 회귀 방법
그리고 리우 추정자' 방법 그리고 비교하다 그만큼 둘 행동 양식 기반을 둔
~에 계정 정보 기준 ~처럼 a 표준 ~을 위한 비교.
에 의해 지원 회귀 분석 방법 ~에 그만큼 있음 ~의 a 준완벽
다중공선성 진짜 문제 데이터 ~에 관하여 타고난 마음
그리고 순환계 결함 ~에 신생아, 획득 ~로부터 본부 어린이 가르치는
병원 ~을 위한 그만큼 기간 ~에서 2012년 에게 2019년,
우리 찾다 리우 견적자의 방법 ~이다 더 효율적인 ~보다 그만큼 회귀
방법 왜냐하면 그것 가지다 a 아카이케를 낮추다 정보 표준.
그것 또한 준다 더 믿을 수 있는 결과 그리고 더 정확한 p-값.
숫자 삼: Liu 견적자를 통해 방법, 그것 ~이다 분명한 저것 모두 예언자 변수
아래에 공부는 힘 있는 ~에 그만큼 회귀 모델,
심지어 만약에 그들 ~이다 ~ 아니다 중요한, ~처럼 모두 매개변수 ~이다 힘 있는
~에 증가 그만큼 숫자 ~의 어린이들 ~와 함께 타고난 장애 하지만
다양하게 크기.
감사하다 너.
