1. <strong id="7actg"></strong>
    2. <table id="7actg"></table>

    3. <address id="7actg"></address>
      <address id="7actg"></address>
      1. <object id="7actg"><tt id="7actg"></tt></object>

        【2022新書】用回歸來(lái)解決比較、估計(jì)、預(yù)測(cè)和因果推斷的實(shí)際問(wèn)題

        共 1312字,需瀏覽 3分鐘

         ·

        2022-02-11 11:44

        來(lái)源:專知

        本文1200字,建議閱讀5分鐘

        本文內(nèi)容關(guān)于使用回歸來(lái)解決比較、估計(jì)、預(yù)測(cè)和因果推理等實(shí)際問(wèn)題。



        大多數(shù)有關(guān)回歸的教科書側(cè)重于理論和最簡(jiǎn)單的例子。然而,真正的統(tǒng)計(jì)問(wèn)題是復(fù)雜而微妙的。這不是一本關(guān)于回歸理論的書。它是關(guān)于使用回歸來(lái)解決比較、估計(jì)、預(yù)測(cè)和因果推理等實(shí)際問(wèn)題。與其他書籍不同,它側(cè)重于實(shí)際問(wèn)題,如樣本量、缺失數(shù)據(jù)以及廣泛的目標(biāo)和技術(shù)。它直接進(jìn)入你可以立即使用的方法和計(jì)算機(jī)代碼。作者親身經(jīng)歷的真實(shí)例子和故事,展示了回歸的作用及其局限性,并為理解實(shí)驗(yàn)和觀察研究的假設(shè)和實(shí)施方法提供了實(shí)用建議。他們順利過(guò)渡到邏輯回歸和GLM。重點(diǎn)是R和Stan的計(jì)算,而不是推導(dǎo),代碼可以在線獲得。圖形和演示有助于理解模型和模型擬合。

        https://avehtari.github.io/ROS-Examples/

        目錄內(nèi)容:
        • 介紹
        • 數(shù)據(jù)和測(cè)量
        • 數(shù)學(xué)和概率論中的一些基本方法
        • 生成模型和統(tǒng)計(jì)推斷
        • 模擬
        • 回歸建模背景
        • 單預(yù)測(cè)器線性回歸
        • 擬合回歸模型
        • 預(yù)測(cè)和貝葉斯推理
        • 多預(yù)測(cè)因子線性回歸
        • 假設(shè)、診斷和模型評(píng)估
        • 轉(zhuǎn)換
        • 邏輯回歸
        • 使用邏輯回歸
        • 其他廣義線性模型
        • 設(shè)計(jì)和樣本大小的決定
        • 后分層和缺失數(shù)據(jù)歸因
        • 因果推理基礎(chǔ)和隨機(jī)實(shí)驗(yàn)
        • 使用對(duì)治療變量的回歸進(jìn)行因果推斷
        • 因果推理中更高級(jí)的主題
        • 高級(jí)回歸和多級(jí)模型

        現(xiàn)有的關(guān)于回歸的教科書通?;旌狭艘恍?shù)學(xué)推導(dǎo)。我們寫這本書是因?yàn)槲覀兛吹搅艘环N新的前進(jìn)方式,專注于理解回歸模型,將它們應(yīng)用于實(shí)際問(wèn)題,并使用假數(shù)據(jù)模擬來(lái)理解模型是如何匹配的。讀完這本書并完成練習(xí)之后,您應(yīng)該能夠在計(jì)算機(jī)上模擬回歸模型,并建立、批判性地評(píng)估它們,并將它們用于應(yīng)用問(wèn)題。我們的書的另一個(gè)特點(diǎn),除了廣泛的例子和計(jì)算機(jī)模擬的重點(diǎn),是它的廣泛的覆蓋,包括統(tǒng)計(jì)和測(cè)量的基礎(chǔ)知識(shí),線性回歸,多元回歸,貝葉斯推理,邏輯回歸和廣義線性模型,從樣本到人口的外推,和因果推論。線性回歸是一個(gè)起點(diǎn),但止步于此是沒(méi)有意義的:一旦你有了統(tǒng)計(jì)預(yù)測(cè)的基本概念,最好的理解方法是將它應(yīng)用到許多不同的方式和不同的環(huán)境中。


        在完成本書的第1部分后,您應(yīng)該能夠使用數(shù)學(xué)、統(tǒng)計(jì)和計(jì)算工具,這些工具將允許您使用回歸模型。這些前幾章可以作為你在入門統(tǒng)計(jì)學(xué)課程中所學(xué)到的方法和思想的橋梁。

        第1部分的目標(biāo)包括顯示和探索數(shù)據(jù),計(jì)算和繪制線性關(guān)系,理解基本的概率分布和統(tǒng)計(jì)推斷,以及模擬隨機(jī)過(guò)程來(lái)表示推斷和預(yù)測(cè)不確定性。


        在完成第2部分之后,您應(yīng)該能夠構(gòu)建、適應(yīng)、理解、使用和評(píng)估線性回歸模型的適應(yīng)。本書這部分的章節(jié)在幾個(gè)應(yīng)用和模擬數(shù)據(jù)示例的背景下開(kāi)發(fā)相關(guān)的統(tǒng)計(jì)和計(jì)算工具。


        完成第3部分后,您應(yīng)該能夠類似地使用邏輯回歸和其他廣義線性模型。


        第4部分涵蓋了從樣本到總體的數(shù)據(jù)收集和外推,第5部分我們涵蓋了因果推理,從使用受控實(shí)驗(yàn)回歸的基本方法開(kāi)始,然后考慮更復(fù)雜的方法來(lái)調(diào)整觀測(cè)數(shù)據(jù)的不平衡或利用自然實(shí)驗(yàn)。


        第6部分介紹了更高級(jí)的回歸模型,附錄包括一些快速提示和軟件的概述


        瀏覽 68
        點(diǎn)贊
        評(píng)論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報(bào)
        評(píng)論
        圖片
        表情
        推薦
        點(diǎn)贊
        評(píng)論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報(bào)
        1. <strong id="7actg"></strong>
        2. <table id="7actg"></table>

        3. <address id="7actg"></address>
          <address id="7actg"></address>
          1. <object id="7actg"><tt id="7actg"></tt></object>
            中国人跨种族黑与白最新消息 | 韩国理伦三级在线播放 | 国产成人综合久久 | 国产麻豆电影在线观看 | 欧美在线黄片 | 公车上疯狂高潮呻吟摸揉 | 男人插女人b视频 | 天天日夜夜草 | 屁屁影院—线路①屁屁影院 | 久久性爱网站 |