作者LinRungChuan (吉他手)
站内Statistics
标题[问题] General Linear Model 做预测
时间Thu Feb 14 14:52:33 2013
很多文献都强调 GLM 的好处是可以 numerical跟categorical variables
同时做变异数分析, 但我找不到拿 GLM 来做预测 跟回归的比较
大部分都提到 回归是 GLM 的special case
回归理的categorical预测变数得转成虚拟变数,GLM 则可以直接把level当变数的值
有人比较过两个model在预测上有啥差别吗 (例如优缺点或适当的统计解释...等等)
或有文献有两者在预测上的比较吗?
感谢
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 161.130.178.168
1F：→ bmka:完全看不懂你的问题. 建议去wiki读一下什麽是GLM 02/15 08:03
2F：→ LinRungChuan:抱歉~可能写得很乱我指的GLM是 这个 02/15 11:22
4F：→ LinRungChuan:我在minitab的ANOVA底下找到GLM,我猜是跑这个model 02/15 11:24
5F：→ LinRungChuan:这model同时跑numerical 跟 categorical(不用转虚拟 02/15 11:26
6F：→ LinRungChuan:变数) 当然这model 也有coefficient且跑出fit value 02/15 11:27
7F：→ LinRungChuan:而我使用相同的numerical跟categorical(转虚拟)变数 02/15 11:29
8F：→ bmka:link里面的model就是linear regression model啊,怎麽会想跑 02/15 11:29
9F：→ bmka:回归,却连regression model都认不得 02/15 11:31
10F：→ LinRungChuan:跑回归,得到不同的fit value,所以想问两者的差别 02/15 11:31
11F：→ LinRungChuan:linear regression model应该是GLM的其中一种 对吗 02/15 11:36
12F：→ LinRungChuan:它要跑categorial变数就得转虚拟变数 因为它是跑数值 02/15 11:37
13F：→ bmka:ANOVA跑continuous covariate真是见鬼了,除非你指的是 02/15 11:38
14F：→ bmka:ANCOVA 02/15 11:38
15F：→ LinRungChuan:但GLM并不用转虚拟变数,它可像ANOVA一样解释 变数的 02/15 11:39
16F：→ bmka:GLM一般指的是 Generalized linear model, wiki一下吧 02/15 11:39
18F：→ LinRungChuan:我指的是上面那连结,不是generalized那个,那我在查查 02/15 11:47
19F：→ LinRungChuan:minitab底下的GLM 是不是跑ANCOVA,因为它没这选项 02/15 11:47
20F：→ bmka:你好好把问题再描述一次吧(摊手) 02/15 11:53
22F：→ LinRungChuan:写可同时跑categorical and numerical 那跟下回归 02/15 12:06
23F：→ LinRungChuan:指令 用虚拟变数跑有啥差别 02/15 12:07
24F：→ LinRungChuan:或是这样问,SAS跑numerical+虚拟变数predictors用reg 02/15 12:11
25F：→ LinRungChuan:跟跑categorical+numerical predictors用glm两者的 02/15 12:12
26F：→ LinRungChuan:差别,因为两者结果不尽相同,我才想知道model上的差异 02/15 12:13
27F：→ bmka:model是一样的,建议你把code跟output列出来,才知道哪里有问题 02/15 12:20
28F：→ andrew43:sas里的proc reg可说是proc glm的子集, 没什麽不同啊. 02/16 23:37