Submit Search
Upload
Rによるlm関数を使わない回帰と梃子比・cookの距離
•
Download as DOCX, PDF
•
0 likes
•
2,049 views
wada, kazumi
Follow
ちょっとマニアックですが、行列計算で回帰係数を求めてt検定してみました。 その過程で梃子比を求め、最後にcookの距離とどう違うのかを図示しています。
Read less
Read more
Education
Report
Share
Report
Share
1 of 2
Download now
Recommended
高速なガンマ分布の最尤推定法について
高速なガンマ分布の最尤推定法について
hoxo_m
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
daiki hojo
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
事前登録のやり方
事前登録のやり方
Yuki Yamada
ベルヌーイ分布からベータ分布までを関係づける
ベルヌーイ分布からベータ分布までを関係づける
itoyan110
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
Masaru Tokuoka
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
Daisuke Yoneoka
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
Recommended
高速なガンマ分布の最尤推定法について
高速なガンマ分布の最尤推定法について
hoxo_m
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
daiki hojo
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
事前登録のやり方
事前登録のやり方
Yuki Yamada
ベルヌーイ分布からベータ分布までを関係づける
ベルヌーイ分布からベータ分布までを関係づける
itoyan110
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
RでMplusがもっと便利にーmplusAutomationパッケージー #Hiroshimar05
Masaru Tokuoka
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
Daisuke Yoneoka
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
effectsパッケージを用いた一般化線形モデルの可視化
effectsパッケージを用いた一般化線形モデルの可視化
Yu Tamura
3次元のデータをグラフにする(Tokyo.R#17)
3次元のデータをグラフにする(Tokyo.R#17)
Takumi Tsutaya
R stan導入公開版
R stan導入公開版
考司 小杉
マルコフ連鎖モンテカルロ法と多重代入法
マルコフ連鎖モンテカルロ法と多重代入法
Koichiro Gibo
StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9
考司 小杉
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
トピックモデルの基礎と応用
トピックモデルの基礎と応用
Tomonari Masada
【書きかけ】一般化線形モデルの流れ
【書きかけ】一般化線形モデルの流れ
Tomoshige Nakamura
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
1 7.Type II ANOVA
1 7.Type II ANOVA
logics-of-blue
因果推論を用いた 群衆移動の誘導における介入効果推定
因果推論を用いた 群衆移動の誘導における介入効果推定
Koh Takeuchi
Probabilistic Graphical Models 輪読会 #1
Probabilistic Graphical Models 輪読会 #1
Takuma Yagi
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
臨床家が知っておくべき臨床疫学・統計
臨床家が知っておくべき臨床疫学・統計
Yasuaki Sagara
Yamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション
考司 小杉
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
Lap trinh web dong voi php my sql
Lap trinh web dong voi php my sql
Giang Nguyễn
Ola k ace
Ola k ace
federico9984
More Related Content
What's hot
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
effectsパッケージを用いた一般化線形モデルの可視化
effectsパッケージを用いた一般化線形モデルの可視化
Yu Tamura
3次元のデータをグラフにする(Tokyo.R#17)
3次元のデータをグラフにする(Tokyo.R#17)
Takumi Tsutaya
R stan導入公開版
R stan導入公開版
考司 小杉
マルコフ連鎖モンテカルロ法と多重代入法
マルコフ連鎖モンテカルロ法と多重代入法
Koichiro Gibo
StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9
考司 小杉
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
トピックモデルの基礎と応用
トピックモデルの基礎と応用
Tomonari Masada
【書きかけ】一般化線形モデルの流れ
【書きかけ】一般化線形モデルの流れ
Tomoshige Nakamura
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
1 7.Type II ANOVA
1 7.Type II ANOVA
logics-of-blue
因果推論を用いた 群衆移動の誘導における介入効果推定
因果推論を用いた 群衆移動の誘導における介入効果推定
Koh Takeuchi
Probabilistic Graphical Models 輪読会 #1
Probabilistic Graphical Models 輪読会 #1
Takuma Yagi
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
臨床家が知っておくべき臨床疫学・統計
臨床家が知っておくべき臨床疫学・統計
Yasuaki Sagara
Yamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション
考司 小杉
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
What's hot
(20)
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
effectsパッケージを用いた一般化線形モデルの可視化
effectsパッケージを用いた一般化線形モデルの可視化
3次元のデータをグラフにする(Tokyo.R#17)
3次元のデータをグラフにする(Tokyo.R#17)
R stan導入公開版
R stan導入公開版
マルコフ連鎖モンテカルロ法と多重代入法
マルコフ連鎖モンテカルロ法と多重代入法
StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9
潜在クラス分析
潜在クラス分析
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
トピックモデルの基礎と応用
トピックモデルの基礎と応用
【書きかけ】一般化線形モデルの流れ
【書きかけ】一般化線形モデルの流れ
階層ベイズとWAIC
階層ベイズとWAIC
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
1 7.Type II ANOVA
1 7.Type II ANOVA
因果推論を用いた 群衆移動の誘導における介入効果推定
因果推論を用いた 群衆移動の誘導における介入効果推定
Probabilistic Graphical Models 輪読会 #1
Probabilistic Graphical Models 輪読会 #1
Stan超初心者入門
Stan超初心者入門
臨床家が知っておくべき臨床疫学・統計
臨床家が知っておくべき臨床疫学・統計
Yamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション
ベイズファクターとモデル選択
ベイズファクターとモデル選択
Viewers also liked
Lap trinh web dong voi php my sql
Lap trinh web dong voi php my sql
Giang Nguyễn
Ola k ace
Ola k ace
federico9984
mayk7.odt
mayk7.odt
Jeff Smith
Rolas en El Mañanero.
Rolas en El Mañanero.
Brozo Xmiswebs
Trafico
Trafico
Iago Fernández
сайты по информ
сайты по информ
bukish
Diamonds oms
Diamonds oms
c_liberty
Evolucion Web
Evolucion Web
Sarait Pabon
22
22
JONTAR013
Powercam6 全球最好用的簡報與螢幕錄影軟體
Powercam6 全球最好用的簡報與螢幕錄影軟體
yunjuli
j53jy.pdf
j53jy.pdf
Jeff Smith
16 hoangnamhai
16 hoangnamhai
Giang Nguyễn
โบรชัวร์โปรโมชั่นโลตัส Hyper market รายปักษ์ วันที่ 28กพ.-14มีค.54
โบรชัวร์โปรโมชั่นโลตัส Hyper market รายปักษ์ วันที่ 28กพ.-14มีค.54
โปรโมชั่นทูยู
Despre cuvinte cheie
Despre cuvinte cheie
Horia Tel
Mieszkanie marzeń
Mieszkanie marzeń
poranny24
Os xmldomphp
Os xmldomphp
Giang Nguyễn
Impacto de la inversión extranjera enfoque macroeconómico 2013
Impacto de la inversión extranjera enfoque macroeconómico 2013
Agencia Exportadora®
международные организации
международные организации
bukish
Viewers also liked
(18)
Lap trinh web dong voi php my sql
Lap trinh web dong voi php my sql
Ola k ace
Ola k ace
mayk7.odt
mayk7.odt
Rolas en El Mañanero.
Rolas en El Mañanero.
Trafico
Trafico
сайты по информ
сайты по информ
Diamonds oms
Diamonds oms
Evolucion Web
Evolucion Web
22
22
Powercam6 全球最好用的簡報與螢幕錄影軟體
Powercam6 全球最好用的簡報與螢幕錄影軟體
j53jy.pdf
j53jy.pdf
16 hoangnamhai
16 hoangnamhai
โบรชัวร์โปรโมชั่นโลตัส Hyper market รายปักษ์ วันที่ 28กพ.-14มีค.54
โบรชัวร์โปรโมชั่นโลตัส Hyper market รายปักษ์ วันที่ 28กพ.-14มีค.54
Despre cuvinte cheie
Despre cuvinte cheie
Mieszkanie marzeń
Mieszkanie marzeń
Os xmldomphp
Os xmldomphp
Impacto de la inversión extranjera enfoque macroeconómico 2013
Impacto de la inversión extranjera enfoque macroeconómico 2013
международные организации
международные организации
Similar to Rによるlm関数を使わない回帰と梃子比・cookの距離
C07
C07
anonymousouj
C02
C02
anonymousouj
MMDs10.6-7
MMDs10.6-7
mfumi
Rによる繰り返しの並列処理
Rによる繰り返しの並列処理
wada, kazumi
Knn発表資料(R)
Knn発表資料(R)
Sora Kubota
R intro
R intro
yayamamo @ DBCLS Kashiwanoha
Lotus DEvCon 2000 - LotusScript Tips and Techniques
Lotus DEvCon 2000 - LotusScript Tips and Techniques
Hiroaki Komine
OpenFOAMにおけるDEM計算の力モデルの解読
OpenFOAMにおけるDEM計算の力モデルの解読
takuyayamamoto1800
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
Toru Tamaki
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
Miki Katsuragi
距離まとめられませんでした
距離まとめられませんでした
Haruka Ozaki
2013.12.26 prml勉強会 線形回帰モデル3.2~3.4
2013.12.26 prml勉強会 線形回帰モデル3.2~3.4
Takeshi Sakaki
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化
Miyoshi Yuya
はじめてのベイズ推定
はじめてのベイズ推定
Kenta Matsui
2012年1月20日
2012年1月20日
nukaemon
Prml sec6
Prml sec6
Keisuke OTAKI
KETpic できれいな図を書こう
KETpic できれいな図を書こう
Yoshitomo Akimoto
topology of musical data
topology of musical data
Tatsuki SHIMIZU
20170923 excelユーザーのためのr入門
20170923 excelユーザーのためのr入門
Takashi Kitano
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...
Toru Tamaki
Similar to Rによるlm関数を使わない回帰と梃子比・cookの距離
(20)
C07
C07
C02
C02
MMDs10.6-7
MMDs10.6-7
Rによる繰り返しの並列処理
Rによる繰り返しの並列処理
Knn発表資料(R)
Knn発表資料(R)
R intro
R intro
Lotus DEvCon 2000 - LotusScript Tips and Techniques
Lotus DEvCon 2000 - LotusScript Tips and Techniques
OpenFOAMにおけるDEM計算の力モデルの解読
OpenFOAMにおけるDEM計算の力モデルの解読
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
文献紹介:TSM: Temporal Shift Module for Efficient Video Understanding
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
距離まとめられませんでした
距離まとめられませんでした
2013.12.26 prml勉強会 線形回帰モデル3.2~3.4
2013.12.26 prml勉強会 線形回帰モデル3.2~3.4
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化
はじめてのベイズ推定
はじめてのベイズ推定
2012年1月20日
2012年1月20日
Prml sec6
Prml sec6
KETpic できれいな図を書こう
KETpic できれいな図を書こう
topology of musical data
topology of musical data
20170923 excelユーザーのためのr入門
20170923 excelユーザーのためのr入門
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...
文献紹介:SegFormer: Simple and Efficient Design for Semantic Segmentation with Tr...
More from wada, kazumi
2018Rユーザ会用
2018Rユーザ会用
wada, kazumi
Ⅳ. 可視化事例集 2017
Ⅳ. 可視化事例集 2017
wada, kazumi
Ⅲ. 資料編 2017
Ⅲ. 資料編 2017
wada, kazumi
Ⅱ. データ分析編 2017
Ⅱ. データ分析編 2017
wada, kazumi
Ⅰ. Rの基礎 2017
Ⅰ. Rの基礎 2017
wada, kazumi
2017Rユーザ会用
2017Rユーザ会用
wada, kazumi
Rデモ03_データ分析編2016
Rデモ03_データ分析編2016
wada, kazumi
Rデモ02_入出力編2016
Rデモ02_入出力編2016
wada, kazumi
Rデモ01_はじめの一歩2016
Rデモ01_はじめの一歩2016
wada, kazumi
統計環境R_データ分析編2016
統計環境R_データ分析編2016
wada, kazumi
統計環境R_はじめの一歩2016
統計環境R_はじめの一歩2016
wada, kazumi
統計環境R_データ入出力編2016
統計環境R_データ入出力編2016
wada, kazumi
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
wada, kazumi
Rプログラミング03 データ分析編
Rプログラミング03 データ分析編
wada, kazumi
Rプログラミング03 「データ分析編」デモ
Rプログラミング03 「データ分析編」デモ
wada, kazumi
Rプログラミング02 データ入出力編
Rプログラミング02 データ入出力編
wada, kazumi
Rプログラミング02 「データ入出力編」デモ
Rプログラミング02 「データ入出力編」デモ
wada, kazumi
Rプログラミング01 「はじめの一歩」 演習デモ
Rプログラミング01 「はじめの一歩」 演習デモ
wada, kazumi
Rプログラミング01 はじめの一歩
Rプログラミング01 はじめの一歩
wada, kazumi
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
wada, kazumi
More from wada, kazumi
(20)
2018Rユーザ会用
2018Rユーザ会用
Ⅳ. 可視化事例集 2017
Ⅳ. 可視化事例集 2017
Ⅲ. 資料編 2017
Ⅲ. 資料編 2017
Ⅱ. データ分析編 2017
Ⅱ. データ分析編 2017
Ⅰ. Rの基礎 2017
Ⅰ. Rの基礎 2017
2017Rユーザ会用
2017Rユーザ会用
Rデモ03_データ分析編2016
Rデモ03_データ分析編2016
Rデモ02_入出力編2016
Rデモ02_入出力編2016
Rデモ01_はじめの一歩2016
Rデモ01_はじめの一歩2016
統計環境R_データ分析編2016
統計環境R_データ分析編2016
統計環境R_はじめの一歩2016
統計環境R_はじめの一歩2016
統計環境R_データ入出力編2016
統計環境R_データ入出力編2016
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
Rプログラミング03 データ分析編
Rプログラミング03 データ分析編
Rプログラミング03 「データ分析編」デモ
Rプログラミング03 「データ分析編」デモ
Rプログラミング02 データ入出力編
Rプログラミング02 データ入出力編
Rプログラミング02 「データ入出力編」デモ
Rプログラミング02 「データ入出力編」デモ
Rプログラミング01 「はじめの一歩」 演習デモ
Rプログラミング01 「はじめの一歩」 演習デモ
Rプログラミング01 はじめの一歩
Rプログラミング01 はじめの一歩
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
Rによるlm関数を使わない回帰と梃子比・cookの距離
1.
2011 年 5
月作成 lm 関数を使わない回帰分析と梃子比・Cook の距離 ○ テストデータ作成 誤差項に自由度 10 の t 分布乱数を用いた回帰モデルに従うデータを作成。n=1000。 rm(list=ls(all=TRUE)) # 作業領域のクリア setwd("d:/TSR2/sim") # データファイルなどを置く作業ディレクトリ の指定 library(sn) # for rmst (t 分布に従う乱数を発生させる 関数) set.seed(24) # 乱数を固定するためのシード設定 a1 <- 2 # 回帰パラメータの傾きを指定 b1 <- 5 # 回帰パラメータ切片 x <- runif(1000, min=1, max=10) # 説明変数は一様乱数 y <- a1 * x + b1 + rt(1000, df= 10) # 被説明変数は回帰モデルに従い自由度 10 の t 分布乱数残差を持つ ○ lm 関数を使わない回帰分析と梃子比 x の先頭に要素が全て 1 の列を加えて行列計算を行う。 逆行列が計算できれば回帰分析 は可能。hat 行列(ここでは hat1)の対角成分が梃子比となるが、hat 行列は説明変数の みから算出されており、梃子比は単に説明変数の平均からの近さで決まる。 x1 <- cbind(rep(1, 1000), x) # x の先頭に全て 1 の列を加える hat1 <- x1 %*% solve((t(x1) %*% x1)) %*% t(x1) # hat 行列の計算 teko<- diag(hat1) (bt1 <- solve(t(x1) %*% x1) %*% t(x1) %*% y) # 回帰係数算出 res1 <- y - hat1 %*% y # 残差 summary(res1) # 残差の四分位値を含む基本統計量算出 s2 <- sum(res1^2) / (nrow(x1) - ncol(x1)) # 誤差項の不偏分散推定量 sqrt(s2) # 誤差項の標準偏差 (se1 <- (diag(s2*solve(t(x1)%*%x1)))^0.5) # 回帰パラメータの標準誤差 ##### t 検定 (t1 <- bt1 / se1) # t値 2 * pt(-abs(t1), nrow(x1) - ncol(x1)) # 両側 t 検定の p 値 (R2 <- 1- sum(res1^2)/(sum((y-mean(y))^2))) # 決定係数 (R2r<- 1- sum(res1^2) / (sum((y-mean(y))^2))*(nrow(x1)-1) / (nrow(x1)-ncol(x1))) # 自由度調整済み決定係数 ##### F 検定 (切片以外がゼロであるを検定する F 統計値の計算) (f1 <-R2/(1-R2)*(nrow(x1)-ncol(x1))/(ncol(x1)-1)) 1-pf(f1,ncol(x1)-1,nrow(x1)-ncol(x1)) # F 検定の p 値の計算 summary(lm(y~x)) # lm 関数の結果と比較してみる flg<- rep(1, 1000) flg[which(teko>boxplot(teko)$stats[3])] <- 2 # 中位数 flg[which(teko>boxplot(teko)$stats[4])] <- 3 # 四分位値 flg[which(teko== boxplot(teko)$stats[5])] <- 4 # 最大値のデータ plot(x, y, col=c("black", "yellow", "orange", "red")[flg], pch=20) abline(lm1, col="blue", lwd=2) # 回帰線入り
2.
○ Cook の距離
Cook の距離は全てのデータを用いた際と、 1つのデータを除いた場合の回帰式による予 測値の差に関する距離尺度。 Cook の距離が大きいデータは、回帰式に与える影響が大きく、 異常値である可能性がある。 一般に、Cook の距離が 0.5 以上であれば大きいとされる。 R では関数 cooks.distance を用いて算出することができる。 cd1 <- cooks.distance(lm1) # Cook の距離算出 flg2<- rep(1, 1000) # 色分け用のフラグ flg2[which(cd1 >= 0.0003)] <- 2 # 適当に大きな数字に色をつける flg2[which(cd1 >= 0.001)] <- 3 plot(x, y, col=c("black","orange","red")[flg2], pch=20) abline(lm1, col="blue", lwd=2) # 回帰線入り 25 25 20 20 y y 15 15 10 10 5 5 2 4 6 8 10 2 4 6 8 10 x x 梃子比 Cook の距離
Download now