m********1
发帖数: 368 | 1 I am wondering if there are any statements in PROC GENMOD (or any PROC that
can deal with generalized linear models) that can fit the model
g(\pi)=beta0+beta1*x
with the restriction
g(\pi_0)=beta0+beta1*x0
Here g() is the link function, x0 and \pi0 are already known. We want to
estimate beta0 and beta1.
I don't know whether some SAS statement can specify this kind of restriction
in fitting the generalized linear model. Would you give me some advice?
Thank you very much for your help! |
|
f*******r
发帖数: 257 | 2 If I understand you correctly: beta0 and beta1 now have a restriction that
g(\pi_0)=beta0+beta1*x0. Therefore, there is only one coefficient to be
estimated. In other words, you can solve for beta0 in terms of beta1; then
your model becomes a restricted glm model. I don't know of a way in genmod to
do it. It seems genmod does not take a restrict statement. Depending on specific model, you may be able to do it with other procedures. For example, you can do proc logistic, if the link is a lo |
|
l*********d
发帖数: 254 | 3 我的问题是：
其实我不知道怎样写下面这个code， 于是就把所有能放的东西方在里面了，然后自己
运行了一下，什么也没得到。希望大家能给与指点，谢谢！
题目如下：
a) Below is the code that I used to simulate the data.
set.seed(9192)
time<-c(3,6,9,12,15,18,21,24,30,36,48,60)
epsilon<-rnorm(n = length(time), mean = 0, sd = 0.014)
beta0<-1
beta1<--0.001
potency<-beta0 + beta1*time + epsilon
set1<-data.frame(time, potency)
set1
#Batch #2 and #3
set.seed(1991)
epsilon<-rnorm(n = length(time), mean = 0, sd = 0.014)
potency<-beta0 + beta1*time + 0.01 + e |
|
G******n
发帖数: 289 | 4 estimate = {4, 5, 6, 3, 5, 7, 5, 5, 5}
bio = {1, 1, 1, 2, 2, 2, 3, 3, 3}
if ignore technical replicates
assume:
hat_estimate = beta0 + beta1 * bio + error
beta1 for bio estimate will be almost 0 and
beta0 will be 5, with std error as 0.7454 |
|
w********e
发帖数: 944 | 5 What is e(i)? e(i) = y(i)-yhat(i). y(i) and yhat(i) are r.vs for the level
of x in the ith trial, which is considered as constant. Therefore, e(i) is a
r.v. for the level of x in the ith trial. E(e(i)) = E(y(i)-yhat(i)) = beta0
+ beta1 *x(i) - beta0 - beta1 * x(i) = 0.
The point is, x (i) is considered as a constant instead of a r.v. |
|
a********s
发帖数: 188 | 6 I am not sure about SAS PROC PHREG, but in a general Bayesian modeling, say,
Y = beta0 + beta1*X;
we can specify a normal distribution like
beta0, beta1 ~ N(0, 1E5)
Both reference level and other levels should have priors. They could be the
same, or they can be different. |
|
t*******y
发帖数: 21396 | 7 阿卜杜拉国王科技大学（KAUST)留学生活
ZT(南京大学小百合站)
ver beta0.1，不知道何时会更新，或是像google一样，永远beta了）虽然动机已久，但我承认我是因为寂寞才最终写了这篇东西，并起了这个古怪的名字。。。
－－－－－－会飞的八戒 来沙特已有时日了，这边的日头毒的要死，夏天只有两种天气，非常热和热的要死。如果天空没有一丝云彩的话，真的以为到了火焰山。如果天空有云彩的话，寄希望不要太闷吧，不然真的像炼丹炉，蒸气式的。到这边后真是感慨颇多，不像这边的天气，心情总是阴晴不定，原因很多，学习，前途，文化，伦理，志向。。。所以真的扯的话，不知道会扯到那里，所以我想还是把大家关心的放在前头，我自己胡写乱写的东西放在后头吧。
Chapter 1 About KAUST
国王老人家几年投100亿刀砸出来的学校，足够不用担心钱和硬件的问题，对比一下国内最好的清北每年最多2亿刀的经费就可以知道。老头把学校的开学典礼选在沙特国庆节的那一天，当天最重要的节目就是KAUST开学，跟国内国庆阅兵的概念差不多，足可见老头对学校的重视。 硬件方面，只能用表面看起来极其奢华来形容（我说表面，后... 阅读全帖 |
|
|
n*******1
发帖数: 4152 | 9 【 以下文字转载自 Military 讨论区 】
发信人: tomnjerry (tom jerry), 信区: Military
标 题: 阿卜杜拉国王科技大学（KAUST)留学生活（ZT）
发信站: BBS 未名空间站 (Mon Sep 26 16:05:23 2011, 美东)
阿卜杜拉国王科技大学（KAUST)留学生活
ZT(南京大学小百合站)
ver beta0.1，不知道何时会更新，或是像google一样，永远beta了）虽然动机已久，但我承认我是因为寂寞才最终写了这篇东西，并起了这个古怪的名字。。。
－－－－－－会飞的八戒 来沙特已有时日了，这边的日头毒的要死，夏天只有两种天气，非常热和热的要死。如果天空没有一丝云彩的话，真的以为到了火焰山。如果天空有云彩的话，寄希望不要太闷吧，不然真的像炼丹炉，蒸气式的。到这边后真是感慨颇多，不像这边的天气，心情总是阴晴不定，原因很多，学习，前途，文化，伦理，志向。。。所以真的扯的话，不知道会扯到那里，所以我想还是把大家关心的放在前头，我自己胡写乱写的东西放在后头吧。
Chapter 1 About KAUST
国王老人家几年投100... 阅读全帖 |
|
q******g
发帖数: 3858 | 10 你用什么算的beta0， beta1？有什么书推荐给我看看吗？谢谢了。 |
|
s******h
发帖数: 539 | 11 I would use P(X=k)=E{E{I{X=k}|U}}
=E{\choose(n,k)U^k(1-U)^{n-k}}
=\choose(n,k)*Beta(k+1,n-k+1)
=1/(n+1)
Notice that
Beta(\alpha,\beta0=\frac{\Gamma{\alpha}*\Gamma{\beta}}{\Gamma{\alpha+\beta}}
and
\Gamma{m}=(m-1)! |
|
c*********g
发帖数: 154 | 12 预测的话regression模型就要改成这样：
r(t)=beta0+beta1*factor1（t-1）+...+betan*factorn(t-1)
在时间t，用历史数据做regression，得到一组参数beta。然后将之作用于factor（t）
获得预测r(t+1)。
将factor(t)和真实r(t+1)加入历史数据以更新beta。
重复上述两步。。。 |
|
h*t
发帖数: 187 | 13 各位达人：
偶现在用R package gee 做一个GEE的regression，比如log(Y)=beta0+x*beta1，如果
我想测试H0:beta1=1，contrasts应该怎么写？
这个package里面没有给contrasts的例子，自己试了几次都不对。
另外，对同样的这组数据，如果用R做Generalized Linear Mixed-effected Model，用
哪个package的哪个命令比较好？ |
|
m*****8
发帖数: 27 | 14 You made a mistake,i doesn't stand for ith trial. It stands for ith
observation or ith case within one sampling.
a
beta0 |
|
b*****o
发帖数: 482 | 15 和contigency table没关系啊
你建立的还是普通的logistic regression, 比如最简单的一个模型:
ln(p/1-p)=beta0+beta1*catalog+beta2*age
p就是购买意向(几率). 你可以设一个theshold, 比如p>0.5就是最后要买的.
在这个model下面, 购买意向只决定于一个人的年龄和广告yesno.
你要看A组里面一个买了货的人她在没发广告的时候的购买意愿, 那么就是这个人在
catelog=0的时候predicted的p值. 如果得到的p>0.5那么就是她在没发广告的时候也会买, 也就
是说他是11, 如果p<0.5就是他没发广告就不买, 也就是说他是01.
你对所有人都看catalog=0的时候的p值和catalog=1的时候的p值, 就可以把所有人分成4组了.
最后分完组以后contigency table就出来了. |
|
a*********e
发帖数: 1233 | 16 本人初用WinBUGS。
假设有模型 mu[i] <- beta0+ beta1*p[i]
其中i=100，
mu[i] 是100个已知数据，
p[i]是生成的数据。
问题是，p[i]分成两部分，例如前50个是均匀分布，后50个是正态分布。
下面的代码显然不能运行
for (i in 1:m){
y[i] = dunif(0,10)
}
for(i in m+1:n){
y[i] = dnorm(0,1)
}
m=50, n=100
请问有什么方法能生成这样的数据，或者说能否把生成的几个数据合并成一个变量。
谢谢。 |
|
p********r
发帖数: 1465 | 17 建了两个regression模型：
y1 = alpha0 + alpha1x1
y2 = beta0 + beta1x2
如何比较alpha1 和 beta1呢？
我想的是用Wald test，不知道SAS如何实现；
也想手动用proc iml做，也不太确定如何算alpha1和beta1的variance-covariance
matrix
求高人指点迷津…… |
|
a********s
发帖数: 188 | 18 Just be curious if SAS has options to do Score test for the null hypothesis
(say, H0: beta2 = beta3 = 0) suppose the simple Logistic model includes
coefficients parameters beta0,beta1,beta2,and beat3. |
|
m*****s
发帖数: 56 | 19 觉得 model 可以这样：
y=beta0+beta1*x1+beta2*x2+beta3*x1*x2+e
beta1:temp
beta2:boot type ----- type A,1; type B,0
For (a)
去test slope， beta2 是不是 significant
后面顺着想想差不多就有了。 |
|
p*******r
发帖数: 1951 | 20 我统计理论也很一般，随便瞎说。不对的地方大家指教。
如果糊弄一般人就用 t-test 好了。如果要弄得高端一点点呢可以用regression。用两
组学生的数据建个模。
Score 2 = beta0 + beta1 * Score 1 + beta2 * 牛掰的新教育方法(0或1)
看看beta2 是不是大于0，再看看residual 是不是正态分布就差不多了。 |
|
r********n
发帖数: 6979 | 21 这个很容易理解么
假设你做了这个０／１－＞A／B的变换以后怎么样才能使得y不变呢？
Y=BETA０＋X＊BETA１
只要找到这么一个线性变化使得f(X=0)=A, f(X=1)=B就可以了么
最简单的一个例子f（X）＝（B－A）X＋A
这个时候f（X）就是你的X_NEW
新的模型里面
Y_NEW=BETA００＋(（B－A）X＋A)＊BETA１１
这个时候只要定义
BETA0=BETA00+BETA11*A, BETA1=BETA11*(B-A)
Y_NEW=Y
所以两个模型等价了
当然
如果你做了变换以后
重新做estimation的话
根据你的estimation方法不同
得出来的两个模型不一定等价 |
|
s*********s
发帖数: 100 | 22 做simulation的时候
目的是estimate beta,
有一个简单的模型
Y = beta0 + beta1*D + beta2*x + beta3*D*x +sigma(D) * epsilon
D=0,1
如果sigma(D=1)不等于sigma(D=0)
在R里有什么简单准确的方法来解决么？
我的目的是想得到 var(beta_hat)和beta的95%CI
我用了WLS，但是好像结果也不太好，95%CI的coverage总是不到90%
不知道是不是因为weights选的不好。
或者还有其他更好的办法解决？
多谢！ |
|
c********h
发帖数: 330 | 23 对survival不是很熟，但我猜应该跟linear model里有intercept的contrast是一样的。
你有个baseline的hazard h0 （不清楚survival是把这个intercept放在h0里还是你的
beta里有个截距项？看你的code像是放在h0里了），这个baseline应该是overall
effect, no matter treatment = 0 or 1. beta对应的应该是 treatment = 1 minus
the overall effect，所以要减去。
不知道说清楚没，打个比方，就像是
beta0 * x.bar + beta1 *(x - x.bar) = beta1 * x
你这个code里是用等式左侧做的calculation，但是你coding时pass进去的时候用的是
等式右侧。 |
|
i***y
发帖数: 98 | 24 1.说model fit improvement是chi－square distribution （关于这点我也是一知半解
，我课上跟老师做过nested model comparison，就是用两个model的－2log
likelihood的差，再用degree of freedom的差，用chisquare statistics比较两个
model是不是有显著不同）
likelihood ratio test
然后这篇文章还是第二页，第13行说到“The importance of normality of residuals
in GLMs, on the
other hand, is debated.”
means some people don't care the residual in GLM
try to read this book:An Introduction to Generalized Linear Models
3.上面模型中，b和c的point estimate是用OLS或者Maximum likelihood的方法估计出
来的（这种说法对吗？？），
I... 阅读全帖 |
|
Q*****T
发帖数: 558 | 25 3.上面模型中，b和c的point estimate是用OLS或者Maximum likelihood的方法估计出
来的（这种说法对吗？？），
If you assume independence, equal variance, normality, then mle is the same
as lse for beta0, beta1 and beta2
而b和c的confidence interval是怎么估计出来的？
the estimators for these two follow a t distribution
------>>>>>
所以b，c的分布永远是t－distribution，跟y的分布，以及跟究竟是用LSE还是MLE无关
是嘛？
还是说b，c的分布跟y的分布有关？
为什么在一个关于resampling method的讨论上，我记得有个说法是（当然很可能是我
记错了，或者根本就理解错了），如果y的分布未知（或者实际上是Y的分布的
parameters未知？？），那么想得到coefficient的CI的话，可以用bootstrap去把这个
CI boostr... 阅读全帖 |
|
