회귀분석

예측 변수 집합의 값을 기반으로 어떠한 특성의 존재 여부 또는 이진 결과를 예측합니다.

예측 변수 집합에 대한 다항 순서형 반응의 의존성을 모델로 구성하기 위해 로짓 연결 함수를 사용합니다.

예측 변수 집합의 값을 기준으로 대상을 분류합니다. 이러한 유형의 회귀분석은 로지스틱 회귀분석과 유사하지만, 종속 변수가 두 가지 카테고리로 제한되지 않기 때문에 더 일반적입니다.

종속 변수와 독립 변수 집합 간 관계에 대한 비선형 모델을 찾습니다.

프로빗 및 로짓 반응 모델링을 사용하여 약물 치료량, 가격 또는 인센티브와 같은 자극에 대한 반응의 강도를 분석합니다. 이 절차는 자극의 강도와 자극에 대한 특정 반응을 나타내는 사례의 비율 간의 관계를 측정합니다.

첫 번째 단계에서는 오차 항과 상관관계가 없는 도구 변수를 사용하여 하나 이상의 문제가 있는 예측 변수의 추정값을 계산합니다. 두 번째 단계에서는 계산된 값을 사용하여 종속 변수의 선형 회귀분석 모델을 추정합니다.

시간 기반 데이터에서 발생 가능한 예측 변수와 오차항 간의 상관관계를 제어합니다. 가중치 추정 절차는 다양한 가중치 변환을 테스트하고, 데이터에 가장 적합한 가중치를 나타냅니다.

새로운 선형 엘라스틱 넷 확장 절차는 하나 이상의 독립 변수에 대한 종속 변수에 대해 정규화된 선형 회귀 모델을 추정합니다.

새로운 선형 라쏘 확장은 하나 이상의 독립 변수에 대한 종속 변수에 대해 정규화된 선형 회귀 모델의 L1 손실을 추정합니다.

새로운 선형 릿지 확장 절차는 하나 이상의 독립 변수에 대한 종속 변수에 대해 L2 또는 제곱 손실 정규화 선형 회귀 모델을 추정합니다.