拓端小助手的博客_原创(43)

R语言贝叶斯线性回归和多元线性回归构建工资预测模型

工资模型在劳动经济学领域，收入和工资的研究为从性别歧视到高等教育等问题提供了见解。在本文中，我们将分析横断面工资数据，以期在实践中使用贝叶斯方法，如BIC和贝叶斯模型来构建工资的预测模型。加载包在本实验中，我们将使用dplyr包探索数据，并使用ggplot2包进行数据可视化。我们也可以在其中一个练习中使用MASS包来实现逐步线性回归。我们将在实验室稍后使用此软件包中使用BAS.LM来实现贝叶斯模型。数据本实验室将使用的数据是在全国935名受访者中随机抽取的。变量描述

R语言

编程开发

原创 2021-05-12 13:39:06 1274 阅读

R语言时间序列平稳性几种单位根检验（ADF，KPSS，PP）及比较分析

原文链接：http://tecdat.cn/?p=21757时间序列模型根据研究对象是否随机分为确定性模型和随机性模型两大类。随机时间序列模型即是指仅用它的过去值及随机扰动项所建立起来的模型,建立具体的模型,需解决如下三个问题模型的具体形式、时序变量的滞后期以及随机扰动项的结构。μ是yt的均值；ψ是系数，决定了时间序列的线性动态结构，也被称为权重，其中ψ0=1；{εt}为高斯白噪声序列，它表示时间序列{yt}在t时刻出现了新的信息，所以εt称为时刻t的innovation（新信息）或s.

R语言

编程开发

原创 2021-05-12 13:39:01 10000+阅读

R语言和Stan,JAGS：用rstan,rjags建立贝叶斯多元线性回归预测选举数据

原文链接：http://tecdat.cn/?p=21978本文将介绍如何在R中用rstan和rjags做贝叶斯回归分析，R中有不少包可以用来做贝叶斯回归分析，比如最早的（同时也是参考文献和例子最多的）R2WinBUGS包。这个包会调用WinBUGS软件来拟合模型，后来的JAGS软件也使用与之类似的算法来做贝叶斯分析。然而JAGS的自由度更大，扩展性也更好。近来，STAN和它对应的R包rstan一起进入了人们的视线。STAN使用的算法与WinBUGS和JAGS不同，它改用了一种更强大的算法使它能..

R语言

编程开发

原创 2021-05-12 13:38:41 920 阅读

R语言改进的股票配对交易策略分析SPY-TLT组合和中国股市投资组合

原文链接：http://tecdat.cn/?p=22034相信大家都听说过股票和债券的多元化投资组合。改进的股票配对交易策略基本上使用了一种前进的方法（参考文章中的概念），即最大化夏普比率，偏向于波动率而不是收益率。也就是说，它使用72天的移动窗口来最大化投资组合的不同权重配置之间的总收益，标准差提高到52的幂。说得通俗一点，在1的幂数下，这是基本的夏普比率，在0的幂数下，只是一个动量最大化的算法。这个策略的过程很简单:每个月重新平衡SPY和TLT之间5%的倍数，之前最大化了以下数量(在72天

R语言

编程开发

原创 2021-05-12 13:38:38 427 阅读

R语言arima，向量自回归（VAR），周期自回归(PAR)模型分析温度时间序列

原文链接：http://tecdat.cn/?p=22071至少有两种非平稳时间序列：具有趋势的时间序列和具有单位根的时间序列（称为单整时间序列）。单位根检验不能用来评估时间序列是否平稳。它们只能检测单整时间序列。季节性单位根也是如此。这里考虑月平均温度数据。> mon=read.table("temp.txt")> plot(mon)现在，我们可以计算所有年份的三个不同平稳性检验的p值for(y in 1955:2013){Temp[which(...

R语言

编程开发

原创 2021-05-12 13:38:36 436 阅读

R语言如何用潜类别混合效应模型（lcmm）分析抑郁症状

原文链接：http://tecdat.cn/?p=22206模型背景每一个动态现象都可以用一个潜过程(Λ(t)来描述，这个潜过程在连续的时间t内演化。当对重复测量的标志变量进行建模时，我们通常不会把它看成是一个有误差测量的潜过程。然而，这正是混合模型理论所做的基本假设。潜过程混合模型利用这个框架将线性混合模型理论扩展到任何类型的结果（有序、二元、连续、类别与任何分布）。潜类别混合模型潜类别混合模型在Proust-Lima等人中介绍（2006https://doi.org/10.11...

R语言

编程开发

原创 2021-05-12 13:38:34 1436 阅读

R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系

原文链接：http://tecdat.cn/?p=22215向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的。但是，经济理论认为，经济变量之间在水平上存在着均衡关系，可以使这些变量差分而平稳。这就是所谓的协整关系。由于知道这种关系可以改善分析的结果，所以希望有一个计量经济学模型，能够捕捉到这种关系。所谓的向量误差修正模型（VECMs）就属于这一类模型。下文介绍了VECMs的基本概念，并在R中估计这种模型。模型和数据向量误差修正模型与VAR模型非常相似，可以有如下形式。其..

R语言

编程开发

原创 2021-05-12 13:38:31 632 阅读

R语言用Copulas模型的尾部相依性分析损失赔偿费用

两个随机变量之间的相依性问题备受关注,相依性(dependence)是反映两个随机变量之间关联程度的一个概念。它与相关性(correlation)有区别，常用的相关性度量是Pearson相关系数,它只度量了两个随机变量之间的线性关系,其值不仅依赖于它们的Copula函数,而且还依赖它们的边缘分布函数。直观地说,Copula函数就是两个(或多个)随机变量的联合分布可以表示为它们的边缘分布函数的函数,这个函数就是Copula函数,它与随机变量的边缘分布没有关系,所反映的是两个(多个)随机变量之间的“结构”,

R语言

编程开发

原创 2021-05-12 13:38:29 759 阅读

R语言进行数据结构化转换：Box-Cox变换、“凸规则”变换方法

原文链接：http://tecdat.cn/?p=22251线性回归时若数据不服从正态分布，会给线性回归的最小二乘估计系数的结果带来误差，所以需要对数据进行结构化转换。在讨论回归模型中的变换时，我们通常会简单地使用Box-Cox变换，或局部回归和非参数估计。这里的要点是，在标准线性回归模型中，我们有但是有时候，线性关系是不合适的。一种想法可以是转换我们要建模的变量，然后考虑这就是我们通常使用Box-Cox变换进行的操作。另一个想法可以是转换解释变量，例如，我们有时会.

R语言

编程开发

原创 2021-05-12 13:38:26 2636 阅读

R语言用主成分PCA、逻辑回归、决策树、随机森林分析心脏病数据并高维可视化

原文链接：http://tecdat.cn/?p=22262在讨论分类时，我们经常分析二维数据（一个自变量，一个因变量）。但在实际生活中，有更多的观察值，更多的解释变量。随着两个以上的解释变量，它开始变得更加复杂的可视化。数据我们使用心脏病数据，预测急诊病人的心肌梗死，包含变量：心脏指数心搏量指数舒张压肺动脉压心室压力肺阻力是否存活其中我们有急诊室的观察结果，对于心肌梗塞，我们想了解谁存活下来了，以得到一个预测模型。但是在运行一些分类器之前，我们先把我们..

R语言

编程开发

原创 2021-05-12 13:38:24 1110 阅读

R语言用LASSO，adaptive LASSO预测通货膨胀时间序列

原文链接：http://tecdat.cn/?p=22273动机如果你了解数据科学领域，你可能听说过LASSO。LASSO是一个对目标函数中的参数大小进行惩罚的模型，试图将不相关的变量从模型中排除。它有两个非常自然的用途，第一个是变量选择，第二个是预测。因为通常情况下，LASSO选择的变量会比普通最小二乘法（OLS）少得多，其预测的方差会小得多，代价是样本中出现少量的偏差。LASSO最重要的特点之一是它可以处理比观测值多得多的变量，我说的是成千上万的变量。这是它最近流行的主要原因之一。..

R语言

编程开发

原创 2021-05-12 13:38:21 514 阅读

R语言混合效应逻辑回归（mixed effects logistic）模型分析肺癌数据

原文链接：http://tecdat.cn/?p=22302混合效应逻辑回归用于建立二元结果变量的模型，其中，当数据被分组或同时存在固定和随机效应时，结果的对数几率被建模为预测变量的线性组合。混合效应逻辑回归的例子例1：一个研究人员对40所不同大学的申请进行抽样调查，以研究预测大学录取的因素。预测因素包括学生的高中GPA、课外活动和SAT分数。一些学校的选择性较多或较少，所以每所学校的基准录取概率是不同的。学校层面的预测因素包括学校是公立还是私立，目前学生与教师的比例，以及学校的排...

R语言

编程开发

原创 2021-05-12 13:38:18 5374 阅读 1收藏

R语言非参数方法：使用核方法和K-NN(k近邻算法)分类预测心脏病数据

原文链接：http://tecdat.cn/?p=22181本文考虑一下基于核方法进行分类预测。注意，在这里，我们不使用标准逻辑回归，它是参数模型。非参数方法用于函数估计的非参数方法大致上有三种：核方法、局部多项式方法、样条方法。非参的函数估计的优点在于稳健，对模型没有什么特定的假设，只是认为函数光滑，避免了模型选择带来的风险；但是，表达式复杂，难以解释，计算量大是非参的一个很大的毛病。所以说使用非参有风险，选择需谨慎。非参的想法很简单：函数在观测到的点取观测值的概率较大，用x附近...

R语言

编程开发

原创 2021-05-12 13:38:04 714 阅读

R语言用局部加权回归(Lowess)对logistic逻辑回归诊断和残差分析

原文链接：http://tecdat.cn/?p=22328目前，回归诊断不仅用于一般线性模型的诊断，还被逐步推广应用于广义线性模型领域（如用于logistic回归模型），但由于一般线性模型与广义线性模型在残差分布的假定等方面有所不同，所以推广和应用还存在许多问题。鉴于此，本文使用图表考察logistic模型的拟合优度。如何处理从逻辑回归中得到的残差图？为了更好地理解，让我们考虑以下数据集glm(Y~X1+X2,family=binomial)如果我们使用R的诊断图，第一个是残差..

R语言

编程开发

原创 2021-05-12 13:38:01 2698 阅读

R语言样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化

原文链接：http://tecdat.cn/?p=22336Boosting算法是一种把若干个分类器整合为一个分类器的方法，也就是一种集成分类方法（Ensemble Method）。计量经济学的视角可以从计量经济学的角度理解提升方法（Boosting）的内容。这里的目标是要解决：损失函数ℓ，以及预测器集合M。这是一个优化问题。这里的优化是在函数空间中进行的，是一个简单的优化问题。从数值的角度来看，优化是用梯度下降来解决的（这就是为什么这种技术也被称为梯度提升）。同样，最佳值..

R语言

编程开发

原创 2021-05-12 13:37:59 2703 阅读

R语言时变向量自回归（TV-VAR）模型分析时间序列和可视化

原文链接：http://tecdat.cn/?p=22350在心理学研究中，个人主体的模型正变得越来越流行。原因之一是很难从人之间的数据推断出个人过程。另一个原因是，由于移动设备无处不在，从个人获得的时间序列变得越来越多。所谓的个人模型建模的主要目标是挖掘潜在的内部心理现象变化。考虑到这一目标，许多研究人员已经着手分析个人时间序列中的多变量依赖关系。对于这种依赖关系，最简单和最流行的模型是一阶向量自回归（VAR）模型，其中当前时间点的每个变量都是由前一个时间点的所有变量（包括其本身）预测的（线性..

R语言

编程开发

原创 2021-05-12 13:37:56 471 阅读

R语言时间序列GARCH模型分析股市波动率

原文链接：http://tecdat.cn/?p=22360在这篇文章中，我们将学习一种在价格序列中建立波动性模型的标准方法，即广义自回归条件异方差（GARCH）模型。价格波动的 GARCH 模型的思想是利用误差结构的近期实现来预测误差结构的未来实现。更简单地说，我们经常看到在高波动性或低波动性时期的聚类，因此我们可以利用近期的波动性来预测近期的波动性。我们将使用SPY价格来说明波动率的模型。下面的图显示了SPY收益率。colnames(SPYRet) <- c('SPY..

R语言

编程开发

原创 2021-05-12 13:37:54 1034 阅读

R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险

原文链接：http://tecdat.cn/?p=22410本文的目的是完成一个逻辑回归分析。使你对分析步骤和思维过程有一个基本概念。library(tidyverse)library(broom)这些数据来自一项正在进行的对镇居民的心血管研究。其目的是预测一个病人是否有未来10年的冠心病风险。该数据集包括以下内容。男性：0=女性；1=男性年龄。教育。1 = 高中以下；2 = 高中；3 = 大学或职业学校；4 = 大学以上当前是否吸烟。0=不吸烟；1=吸烟者 c..

R语言

编程开发

原创 2021-05-12 13:37:51 2465 阅读

R语言生存分析: 时变竞争风险模型分析淋巴瘤患者

原文链接：http://tecdat.cn/?p=22422在本文中，我们描述了灵活的竞争风险回归模型。回归模型被指定为转移概率，也就是竞争性风险设置中的累积发生率。该模型包含Fine和Gray（1999）的模型作为一个特例。这可以用来对次分布危险的比例假设做拟合度测试（Scheike和Zhang 2008）。还可以为预测的累积发病率曲线构建置信区间。我们将这些方法应用于Pintilie（2007）的滤泡细胞淋巴瘤数据，其中竞争风险是疾病复发和没有复发的死亡。工作实例：滤泡细胞淋巴瘤研究..

R语言

编程开发

原创 2021-05-12 13:37:48 970 阅读

R语言多项式回归拟合非线性关系

原文链接：http://tecdat.cn/?p=22438多项式回归是独立x变量和因果y变量之间的非线性关系。当我们分析有一些弯曲的波动数据时，拟合这种类型的回归是很关键的。在这篇文章中，我们将学习如何在R中拟合和绘制多项式回归数据。我们在这个回归模型中使用了lm()函数。虽然它是一个线性回归模型函数，但通过改变目标公式类型，lm()对多项式模型也适用。本教程包括准备数据拟合模型寻找最佳拟合源代码准备数据我们首先要准备测试数据，如下所示。function(x...

R语言

编程开发

原创 2021-05-12 13:37:46 1200 阅读

R语言基于Bagging分类的逻辑回归(Logistic Regression)、决策树、森林分析心脏病患者

原文链接：http://tecdat.cn/?p=22448今天，我们将看下bagging 技术里面的启发式算法。通常，bagging 与树有关，用于生成森林。但实际上，任何类型的模型都有可能使用bagging 。回顾一下，bagging意味着 "boostrap聚合"。因此，考虑一个模型m：X→Y。让表示从样本中得到的m的估计现在考虑一些boostrap样本，，i是从{1,⋯,n}中随机抽取的。基于该样本，估计。然后抽出许多样本，考虑获得的估计值的一致性，使用多数规则，或使用概率.

R语言

编程开发

原创 2021-05-12 13:37:43 427 阅读

R语言经济学：动态模型平均(DMA)、动态模型选择(DMS)预测原油价格时间序列

原文链接：http://tecdat.cn/?p=22458简介本文提供了一个经济案例。着重于原油市场的例子。简要地提供了在经济学中使用模型平均和贝叶斯方法的论据，使用了动态模型平均法（DMA），并与ARIMA、TVP等方法进行比较。希望对经济和金融领域的从业人员和研究人员有用。动机事实上，DMA将计量经济学建模的几个特点结合在一起。首先，最终预测是通过模型平均化从几个回归模型中产生的。其次，该方法是贝叶斯方法，也就是说，概率是以相信程度的方式解释的。例如，对时间t的DMA预测只基于..

R语言

编程开发

原创 2021-05-12 13:37:40 927 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

拓端小助手