作者查詢 / milk0925

總覽項目：發文 | 留言 | 暱稱

作者 milk0925 在 PTT [ Statistics ] 看板的留言(推文), 共170則

限定看板：Statistics

看板排序：

首頁

尾頁

[程式] SPSS中的拔靴法結果

[ Statistics ]6 留言, 推噓總分: 0

作者: milk0925 - 發表於 2016/04/14 20:42(9年前)

5^F→milk0925: 抱歉，因為想說殘差非常態，樣本就不會成常態，所以就沒04/15 07:00

6^F→milk0925: 有再改回來了，感謝~04/15 07:00

[問題] 殘差變異數同質性和無相關(獨立性)

[ Statistics ]10 留言, 推噓總分: 0

作者: milk0925 - 發表於 2016/04/03 14:10(9年前)

2^F→milk0925: 因為找完資料後還是有些不確定，所以想說問問看專業現身04/05 08:53

3^F→milk0925: 說法。04/05 08:53

10^F→milk0925: 太感謝你們大家了Q^Q04/05 22:23

[問題] 詢問圖片中的統計方法

[ Statistics ]6 留言, 推噓總分: 0

作者: jim0403 - 發表於 2016/03/26 22:18(9年前)

1^F→milk0925: 這是卡方值吧，因為前面的實驗組與控制組有%，表示以次03/26 22:29

2^F→milk0925: 數做為比較。(希望我沒說錯...)03/26 22:29

Re: [問題] 拔靴法(Bootstrap)的適用時機

[ Statistics ]1 留言, 推噓總分: 0

作者: expiate - 發表於 2016/03/21 12:17(9年前)

1^F→milk0925: 謝謝您的提醒以及用心的回應:)03/22 20:48

[問題] 拔靴法(Bootstrap)的適用時機

[ Statistics ]35 留言, 推噓總分: +4

作者: milk0925 - 發表於 2016/03/20 14:25(9年前)

3^F→milk0925: 所以拔靴法的目的是要讓非常態的分布變常態?因為我並沒03/21 09:16

4^F→milk0925: 有要利用拔靴法將原本非常態的樣本做到常態，因為我研究03/21 09:16

5^F→milk0925: 的變項其實際分布原則上不太可能是常態QQ03/21 09:16

17^F→milk0925: 對不起，因為我一直以為multiple linear regression有限03/21 20:32

18^F→milk0925: 定被預測的變項其數據分布必需要符合常態才能做推論統計03/21 20:33

19^F→milk0925: 更正不是數據分布而是殘差分布(雖然我知道好像殘差分布03/21 20:39

20^F→milk0925: 沒呈常態的話，原本數值的分布也不會成常態)03/21 20:40

29^F→milk0925: 我找到r大說的Gauss–Markov theorem了，謝謝大家提供我03/22 20:56

30^F→milk0925: 很多我不知道的資訊，謝謝大家:)03/22 20:57

[問題] 多元迴歸分析的相關問題

[ Statistics ]23 留言, 推噓總分: 0

作者: milk0925 - 發表於 2016/03/13 09:52(9年前)

4^F→milk0925: 抱歉我晚回了...03/15 21:24

5^F→milk0925: 很謝謝您總是不嫌棄我的問題予以回答:)03/15 21:25

6^F→milk0925: 我先試著補充第一題看看，我之所以選用「階層」的原因在03/15 21:26

7^F→milk0925: 於，好像用階層的方式我比較能夠看出各變項(包含我這邊03/15 21:27

8^F→milk0925: 所謂的干擾變項和研究所欲探討的自變項)依序放入模式中03/15 21:28

9^F→milk0925: 的改變情形。03/15 21:29

10^F→milk0925: 就是對依變項的預測力(或稱解釋力)。03/15 21:30

11^F→milk0925: 因此如此一來我就能夠在先放入干擾變項的之後，看看再加03/15 21:31

12^F→milk0925: 入自變項的時候，是否能顯著提升模型解釋力。03/15 21:32

13^F→milk0925: 第二題的話，程式所依據的公式是F=(PVs/u)/(PVe/v)03/15 21:36

14^F→milk0925: F值為樣本中依變項變異度可被特定自變來源(source)解釋03/15 21:37

15^F→milk0925: 的比例，除以自變項個數，再比上樣本中依變項變異度被誤03/15 21:37

16^F→milk0925: 差或殘餘變異解釋的比例，除以誤差變異的自由度。03/15 21:38

17^F→milk0925: 不曉得這是否是andrew大所說希望我提供的公式？謝謝:)03/15 21:39

20^F→milk0925: (不好意思，因為用手機排版所以公式輸入比較奇怪一點)f03/16 08:56

21^F→milk0925: 平方=R平方/1-R平方03/16 08:56

22^F→milk0925: 我比較好奇的是如何能從這些公式中暸解到是否有其他在03/16 08:58

23^F→milk0925: 使用上的前提假設存在?03/16 08:58

[討論] statement of ASA on p-values

[ Statistics ]17 留言, 推噓總分: +2

作者: celestialgod - 發表於 2016/03/10 23:57(9年前)

17^F推milk0925: 這篇對我幫助超大的，感謝分享！03/12 22:18

Re: [問題] 多元回歸基本假定

[ Statistics ]2 留言, 推噓總分: +2

作者: circlelee - 發表於 2016/02/06 15:57(10年前)

1^F推milk0925: 好詳細喔~推02/06 18:17

[問題] 多元回歸基本假定

[ Statistics ]47 留言, 推噓總分: +9

作者: joeny - 發表於 2016/02/05 23:17(10年前)

3^F推milk0925: 難怪我看一篇國外研究想說他的研究程序.對象，連從描述02/06 11:07

4^F→milk0925: 統計都可以推論可能殘差也不會是常態，可是還是用線性迴02/06 11:07

5^F→milk0925: 歸下去跑。02/06 11:07

6^F推milk0925: 原po問了個好問題，我想大多數的論文(甚至科技部的計畫)02/06 11:17

7^F→milk0925: 之所以沒有報告前提假設的檢驗結果，我覺得有一種可能是02/06 11:17

8^F→milk0925: 它的資料違反這些假設，而一旦違反嚴格來說就不能再使02/06 11:17

9^F→milk0925: 用這種方法進行分析，就要換其他可能比較冷門的方法!如02/06 11:17

10^F→milk0925: 果你很在乎"違反"這件事，又跟借我帳號po文的朋友一樣追02/06 11:17

11^F→milk0925: 求做對的事的話，就要辛苦點了~02/06 11:17

12^F→milk0925: 以上是個人淺見~02/06 11:21

[問題] 迴歸預測變項

[ Statistics ]7 留言, 推噓總分: +1

作者: joeny - 發表於 2016/02/04 23:41(10年前)

1^F→milk0925: 看你回顧的文獻怎麼說啊，畢竟你的分析應該是要基於你前02/05 14:58

2^F→milk0925: 面的文獻回顧。02/05 14:58

首頁

尾頁