m*e
发帖数: 146 | 1 什么情况下需要把regression的系数设成random的呢？和anova 中的random effect是
一回事吗？thanks.. |
D******n
发帖数: 2836 | |
T*******I
发帖数: 5138 | 3 不明白所提的问题所指。难道统计学中还有非random的回归系数？如果不是LZ混淆了概
念，就是统计理论和方法本身混淆了概念。
【在 m*e 的大作中提到】
: 什么情况下需要把regression的系数设成random的呢？和anova 中的random effect是
: 一回事吗？thanks..
|
o****o
发帖数: 8077 | 4 大师，楼主问的估计是什么情况下用fixed effect model，什么情况下用random
effect model，什么情况下用mixed model。不知道我的理解对不对
【在 T*******I 的大作中提到】
: 不明白所提的问题所指。难道统计学中还有非random的回归系数？如果不是LZ混淆了概
: 念，就是统计理论和方法本身混淆了概念。
|
m*e
发帖数: 146 | 5 最简单的情况下,模型中的各个变量的系数理论上都是fix的吧。从数据估计出来的系数
那是另外的估计量。但是有时候，有些模型中需要把某些系数设成random的，在
langitutidal analysis中好像有。不知道我说的对不对。请详细解释下。谢谢
【在 T*******I 的大作中提到】
: 不明白所提的问题所指。难道统计学中还有非random的回归系数？如果不是LZ混淆了概
: 念，就是统计理论和方法本身混淆了概念。
|
l*********s
发帖数: 5409 | 6 sounds like bayes. If so, I think it is more about a belief than reality
【在 m*e 的大作中提到】
: 最简单的情况下,模型中的各个变量的系数理论上都是fix的吧。从数据估计出来的系数
: 那是另外的估计量。但是有时候，有些模型中需要把某些系数设成random的，在
: langitutidal analysis中好像有。不知道我说的对不对。请详细解释下。谢谢
|
f***a
发帖数: 329 | 7 我觉得应该是这个意思吧
具体情况具体分析，一般group effect, spatial effect之类的考虑成random effect
比较常
见
【在 o****o 的大作中提到】
: 大师，楼主问的估计是什么情况下用fixed effect model，什么情况下用random
: effect model，什么情况下用mixed model。不知道我的理解对不对
|
T*******I
发帖数: 5138 | 8 一般而言，从样本估计的统计量，例如回归系数，只有唯一的一种性质，即随机性，因
为任何样本都是随机获得的，由此定义在其上的任何统计估计都是一个随机的点估计，
因而根本不存在所谓的“非随机的”统计量。由此可见， LZ所提的问题本身就根本不
成立。反之，如果LZ认为从他/她的知识体系出发提出这样的问题是合理的，那么，一
定是这个知识体系有问题。
【在 o****o 的大作中提到】
: 大师，楼主问的估计是什么情况下用fixed effect model，什么情况下用random
: effect model，什么情况下用mixed model。不知道我的理解对不对
|
s*r
发帖数: 2757 | 9 哈哈 彻底把op踢回去了
【在 T*******I 的大作中提到】
: 一般而言，从样本估计的统计量，例如回归系数，只有唯一的一种性质，即随机性，因
: 为任何样本都是随机获得的，由此定义在其上的任何统计估计都是一个随机的点估计，
: 因而根本不存在所谓的“非随机的”统计量。由此可见， LZ所提的问题本身就根本不
: 成立。反之，如果LZ认为从他/她的知识体系出发提出这样的问题是合理的，那么，一
: 定是这个知识体系有问题。
|
T*******I
发帖数: 5138 | 10 随机事件是不可假定(can't be assmued, or took an assumption)的. 如果某人坚持说可以，那么，他/她一定是疯子。
【在 s*r 的大作中提到】
: 哈哈 彻底把op踢回去了
|
|
|
s*r
发帖数: 2757 | 11 他其实问得其实是很基础的教科书问题，不过没问好罢了
持说可以，那么，他/她一定是疯子。
【在 T*******I 的大作中提到】
: 随机事件是不可假定(can't be assmued, or took an assumption)的. 如果某人坚持说可以，那么，他/她一定是疯子。
|
y*****y
发帖数: 98 | 12 It seems that you're not very clear about 'parameter' and 'estimate', which
should be the first course to statistics.
'parameter' is fixed in the traditional frequentist concept. However from a
Bayesian view point it can be random and links to a higher level randomness.
【在 T*******I 的大作中提到】
: 一般而言，从样本估计的统计量，例如回归系数，只有唯一的一种性质，即随机性，因
: 为任何样本都是随机获得的，由此定义在其上的任何统计估计都是一个随机的点估计，
: 因而根本不存在所谓的“非随机的”统计量。由此可见， LZ所提的问题本身就根本不
: 成立。反之，如果LZ认为从他/她的知识体系出发提出这样的问题是合理的，那么，一
: 定是这个知识体系有问题。
|
T*******I
发帖数: 5138 | 13 显然，LZ问的是关于用样本进行统计计算时如何设定一个非random的回归系数问题。我
们都知道，对于一般的统计问题而言，总体的parameters是不可知的，这才有了要用样
本statistics去估计parameters的统计理论和算法。如果一个人说他已知了parameters
，那还用得着去做什么statistical survey么？
我不是一个bayesian， 但我认为即使从frequentist's的角度看，parameters也是
随机的，因为总体一般而言是无限的，其parameters是在动态中随机变化的。
我明确地反对bayesianism，因为这个流派是以假定一个priori为方法论前提的，而实
际上在一个连续概率空间里，我们没有任何可能性来假定一个priori probability，因
为任何一个假定的priori probability的概率本身在无穷多个假定中都等于0。这应该
是一个再简单不过的数学道理。
which should be the first course to statistics.
a Bayesian view point it can
【在 y*****y 的大作中提到】
: It seems that you're not very clear about 'parameter' and 'estimate', which
: should be the first course to statistics.
: 'parameter' is fixed in the traditional frequentist concept. However from a
: Bayesian view point it can be random and links to a higher level randomness.
|
o****o
发帖数: 8077 | 14 Could u please comment on the difference between fixed effects and random
effects within a mixed model framework?
parameters
【在 T*******I 的大作中提到】
: 显然，LZ问的是关于用样本进行统计计算时如何设定一个非random的回归系数问题。我
: 们都知道，对于一般的统计问题而言，总体的parameters是不可知的，这才有了要用样
: 本statistics去估计parameters的统计理论和算法。如果一个人说他已知了parameters
: ，那还用得着去做什么statistical survey么？
: 我不是一个bayesian， 但我认为即使从frequentist's的角度看，parameters也是
: 随机的，因为总体一般而言是无限的，其parameters是在动态中随机变化的。
: 我明确地反对bayesianism，因为这个流派是以假定一个priori为方法论前提的，而实
: 际上在一个连续概率空间里，我们没有任何可能性来假定一个priori probability，因
: 为任何一个假定的priori probability的概率本身在无穷多个假定中都等于0。这应该
: 是一个再简单不过的数学道理。
|
d*d
发帖数: 18 | 15 It seems to me you don't have a clue about what Bayesian is.
【在 T*******I 的大作中提到】
: 显然，LZ问的是关于用样本进行统计计算时如何设定一个非random的回归系数问题。我
: 们都知道，对于一般的统计问题而言，总体的parameters是不可知的，这才有了要用样
: 本statistics去估计parameters的统计理论和算法。如果一个人说他已知了parameters
: ，那还用得着去做什么statistical survey么？
: 我不是一个bayesian， 但我认为即使从frequentist's的角度看，parameters也是
: 随机的，因为总体一般而言是无限的，其parameters是在动态中随机变化的。
: 我明确地反对bayesianism，因为这个流派是以假定一个priori为方法论前提的，而实
: 际上在一个连续概率空间里，我们没有任何可能性来假定一个priori probability，因
: 为任何一个假定的priori probability的概率本身在无穷多个假定中都等于0。这应该
: 是一个再简单不过的数学道理。
|
T*******I
发帖数: 5138 | 16 You are right. I indeed don't have any clue to the Bayesian methodology
except for that "there is a priori in any Bayesian methodology". We might as
well say that any statistical method without a "priori" is not a Bayesian
method.
Of course, you can assume, if any. However, any such a "priori" to me cannot
be accepted.
【在 d*d 的大作中提到】
: It seems to me you don't have a clue about what Bayesian is.
|
a****r
发帖数: 1486 | 17 parameter是fixed
把parm当random的是bayesian
parameters
【在 T*******I 的大作中提到】
: 显然，LZ问的是关于用样本进行统计计算时如何设定一个非random的回归系数问题。我
: 们都知道，对于一般的统计问题而言，总体的parameters是不可知的，这才有了要用样
: 本statistics去估计parameters的统计理论和算法。如果一个人说他已知了parameters
: ，那还用得着去做什么statistical survey么？
: 我不是一个bayesian， 但我认为即使从frequentist's的角度看，parameters也是
: 随机的，因为总体一般而言是无限的，其parameters是在动态中随机变化的。
: 我明确地反对bayesianism，因为这个流派是以假定一个priori为方法论前提的，而实
: 际上在一个连续概率空间里，我们没有任何可能性来假定一个priori probability，因
: 为任何一个假定的priori probability的概率本身在无穷多个假定中都等于0。这应该
: 是一个再简单不过的数学道理。
|
d******e
发帖数: 7844 | 18 那可是脑残的陈大师，当然是什么都懂了
【在 d*d 的大作中提到】
: It seems to me you don't have a clue about what Bayesian is.
|
d******e
发帖数: 7844 | 19 陈大师英明决断，威武啊威武。
as
cannot
【在 T*******I 的大作中提到】
: You are right. I indeed don't have any clue to the Bayesian methodology
: except for that "there is a priori in any Bayesian methodology". We might as
: well say that any statistical method without a "priori" is not a Bayesian
: method.
: Of course, you can assume, if any. However, any such a "priori" to me cannot
: be accepted.
|
m*e
发帖数: 146 | 20 你怎么理解的,说来看看
【在 s*r 的大作中提到】
: 他其实问得其实是很基础的教科书问题，不过没问好罢了
:
: 持说可以，那么，他/她一定是疯子。
|
|
|
m*e
发帖数: 146 | 21 你要不知道我问的问题什么意思呢，就不要回帖子了．我的问题很基本很简单：
一个模型里面有fixed effect F and random effect R，某些情况下需要把F的系数设
成random，原因和Ｒ有关。具体什么原因呢？那位牛人解释一下，谢谢。
parameters
【在 T*******I 的大作中提到】
: 显然，LZ问的是关于用样本进行统计计算时如何设定一个非random的回归系数问题。我
: 们都知道，对于一般的统计问题而言，总体的parameters是不可知的，这才有了要用样
: 本statistics去估计parameters的统计理论和算法。如果一个人说他已知了parameters
: ，那还用得着去做什么statistical survey么？
: 我不是一个bayesian， 但我认为即使从frequentist's的角度看，parameters也是
: 随机的，因为总体一般而言是无限的，其parameters是在动态中随机变化的。
: 我明确地反对bayesianism，因为这个流派是以假定一个priori为方法论前提的，而实
: 际上在一个连续概率空间里，我们没有任何可能性来假定一个priori probability，因
: 为任何一个假定的priori probability的概率本身在无穷多个假定中都等于0。这应该
: 是一个再简单不过的数学道理。
|
D******n
发帖数: 2836 | 22 My watch is from Citizen... |
d*d
发帖数: 18 | 23 Do the frequentists use hierarchical model at all?
【在 a****r 的大作中提到】
: parameter是fixed
: 把parm当random的是bayesian
:
: parameters
|
s*r
发帖数: 2757 | 24 这个和你一开始问的问题不一样
【在 m*e 的大作中提到】
: 你要不知道我问的问题什么意思呢，就不要回帖子了．我的问题很基本很简单：
: 一个模型里面有fixed effect F and random effect R，某些情况下需要把F的系数设
: 成random，原因和Ｒ有关。具体什么原因呢？那位牛人解释一下，谢谢。
:
: parameters
|
o****o
发帖数: 8077 | 25 你这个回答跟题目很不相关啊
【在 D******n 的大作中提到】
: My watch is from Citizen...
|
f***a
发帖数: 329 | 26 why not?
Usually the difficulty of hierarchical model is how to approximate
likelihood. MCMC is really powerful tools, but not the only one. Laplace
approximation is widely used in hierarchical models as well. And other
methods.
【在 d*d 的大作中提到】
: Do the frequentists use hierarchical model at all?
|
y*****y
发帖数: 98 | 27 not quite sure what you mean. but when to use a random effect is pretty
subjective. when you use a fixed one, indeed you are assuming that it's from
a finite population, say effect A with 3 levels (a1,a2,a3); when you use a
random one, you are assuming that it's from a infinite population (if you
put a distribution on that population, it's Bayesian and the distribution is
a prior).
Of course frequentists do inference on hierarchical models with random
effect, not easy though.
【在 m*e 的大作中提到】
: 你要不知道我问的问题什么意思呢，就不要回帖子了．我的问题很基本很简单：
: 一个模型里面有fixed effect F and random effect R，某些情况下需要把F的系数设
: 成random，原因和Ｒ有关。具体什么原因呢？那位牛人解释一下，谢谢。
:
: parameters
|
d*d
发帖数: 18 | 28 I am not concerned with fitting the model, I am interested in how to
generally distinguish parameters and (latent) random variable from
Frequentist modeling point of view.
【在 f***a 的大作中提到】
: why not?
: Usually the difficulty of hierarchical model is how to approximate
: likelihood. MCMC is really powerful tools, but not the only one. Laplace
: approximation is widely used in hierarchical models as well. And other
: methods.
|
f***a
发帖数: 329 | 29 do you mean how to determine certain effect is fixed or random? I don't
follow. Explain more if you can please, hehe ~
【在 d*d 的大作中提到】
: I am not concerned with fitting the model, I am interested in how to
: generally distinguish parameters and (latent) random variable from
: Frequentist modeling point of view.
|
f***a
发帖数: 329 | 30 do you mean how to determine certain effect is fixed or random? I don't
follow. Explain more if you can please, hehe ~
【在 d*d 的大作中提到】
: I am not concerned with fitting the model, I am interested in how to
: generally distinguish parameters and (latent) random variable from
: Frequentist modeling point of view.
|
