情報更新

last update 10/01 09:23

ツイート検索

 

@kazutan
サイトメニュー
Twilogユーザー検索

Twilog

 

@kazutan

kazutan@kazutan

  • 650フォロー
  • 1,564フォロワー
  • 95リスト
Stats Twitter歴
4,522日(2008/05/16より)
ツイート数
155,207(34.3件/日)

ツイートの並び順 :

表示するツイート :

2020年09月30日(水)2 tweetssource

2020年09月29日(火)2 tweetssource

2020年09月28日(月)5 tweetssource

2020年09月25日(金)2 tweetssource

9月25日

@youhei

youhei / 新田 洋平@youhei

資金の援助以外にも、特区の規制緩和、コンパクトシティによる人材密度の高さ、東京23区を上回ることもあるリバブルシティぶり、など創業の地として福岡市はたくさんの魅力がありオススメできます。募集期間は今年9月25日から来年3月31日まで、とのこと。 thebridge.jp/2020/09/fukuok

Retweeted by kazutan

retweeted at 08:51:24

2020年09月24日(木)7 tweetssource

9月24日

@kazutan

kazutan@kazutan

@kazken3 歌舞伎町にありましたね…(知らなかった)
今日は西新宿方面の飯場魚金というお店があるのを知りました。次に新宿いくとき…いつだろう……

posted at 18:23:37

9月24日

@youhei

youhei / 新田 洋平@youhei

刺さる。
“ネガティブな変化が生じた時に、どのように動くかが非常に大事だと思っていて。私は、たとえ後追いになったとしても、どこかで追い越せばいいと思うんです。最初は後手に回っていたとしても、振り返ってみたら「先回りして対応できて良かったね」と言えると、すごくいいのかなと思います。” twitter.com/LINE_DEV/statu

Retweeted by kazutan

retweeted at 16:25:39

9月24日

@kazutan

kazutan@kazutan

最近、いろんな方から「あなたの飯テロ画像は本当に茶色ですね」と言われることが多くなった

posted at 14:06:20

9月24日

@chubby_bug

燃えろ!研究!@chubby_bug

ウルフ博士と作ったOSM(Oligomorphic Stochastic Model)っていう適応進化の高速計算手法をRで実装できた(現在120行)。
OSMはAdaptive Dynamics理論による予測との定量的比較ができる。
可視化関数も移植してパッケージにします。
これなら進化的分岐のサンプルプログラムも快適に書ける! pic.twitter.com/mOQI7Lx1aC

Retweeted by kazutan

retweeted at 10:50:47

2020年09月23日(水)1 tweetsource

2020年09月21日(月)4 tweetssource

2020年09月20日(日)7 tweetssource

2020年09月18日(金)7 tweetssource

9月18日

@kazutan

kazutan@kazutan

今日は室のプレゼン担当で、bookdownのお話をしてきた
昔Japan.Rでプレゼンしたのを思い出して懐かしかった

posted at 16:15:05

2020年09月17日(木)1 tweetsource

2020年09月16日(水)2 tweetssource

2020年09月15日(火)14 tweetssource

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun (計算上は)カテゴリ変数を中心化できるのにしない理由は、長々と先に説明したとおりです。

二値/三値以上の違いについては、重回帰分析におけるダミー変数の投入について調べてもらうとよりダイレクトな説明が見つかるかと思います。

posted at 16:11:26

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun 長々と書いてすみません。最初の問に戻ります。

「カテゴリカル変数を含んだ交互作用モデルはどうしてもVIFが高くなりますが、(カテゴリカル変数の)中心化がされないためです」
これは、記事内で[a1=0, a2=1]という01による割当で分析を行う流れなためです。

posted at 16:06:09

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun そして、標準化偏回帰係数はpredictorもcriterionも標準化した変数を用いて算出された偏回帰係数とされるので、[a1, a2]に対して割り当てた値を連続値とみなした上で平均0、SD1に変換した変数を利用した、その変数の傾斜となります。
しかし実質的に、解釈などを行う際には複雑になるだけです。

posted at 15:56:53

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun しかし数が均一でない場合は[a1=-0.6, a2=0.4]といった感じになると思います。
別にこの状態であっても回帰モデルに投入して計算スコは可能です。しかし得られた偏回帰係数の評価及び解釈に置いては、もとの名義的な位置づけに対応させて考えることとなり、かなり複雑なこととなるでしょう。

posted at 15:49:46

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun …以上がカテゴリ変数を回帰モデルに組み込む際の基本的なところとなります。
そこで本件の「カテゴリ変数と連続変量との交互作用項を含む回帰モデルにおける中心化」についてです。

カテゴリ変数を中心化した場合、もし[a1, a2]の数が同一であるならば[a1=-0.5, a2=0.5]といった感じになります

posted at 15:46:28

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun 一般的に、[0, 1]というダミーコードを当てる方法は計算及び解釈が容易になるために使われます。
X=a1のときのYの効果を検討したいというのであれば、割当として[a1=0, a2=1]としているなら、回帰式でX=0を代入して整理すれば一次方程式の形になりますので、確認できるかと思います。

posted at 15:42:59

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun ここで名義尺度の変数についてですが、名義尺度(便宜上a1, a2という値を取りうる変数とします)はその性質上、「それぞれの値を識別可能」な情報だけを持ってます。
なので、[a1=0, a2=1]という割当でも[a1=-0.5, a2=0.5]という割当でも、もともとの情報からすれば問題ありません。

posted at 15:38:31

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun 偏回帰係数(not標準化)自体は、中心化による変化はありません。またこれはXとYの相関自体を変化させるものではありません。
ということで、結局中心化は「交互作用項を投入するためのトリック」みたいな扱いだと考えてください。

posted at 15:35:03

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun このとき、中心化したX(Xc)とY(Yc)、およびそれらの積である交互作用項XcYcを準備した際、XcとXcYc、そしてYcとXcYcとの相関係数は抑えることができます。
このように相関を抑えるテクニックを適用する理由があるのは、交互作用校の投入によって結果が不安定(誤差が増大)を抑制するのが狙いです

posted at 15:30:12

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun 算出方法自体はおっしゃるとおりです。
この手法における中心化を行う理由は「交互作用項とそれぞれの変数との間の相関係数のインフレを抑制する」ためのテクニックの一つです。
X、Yとその積で作成される交互作用項XYがあったとき、XとYが中心化されていないとXとXY, YとXYの相関がかなり高くなります

posted at 15:25:45

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun 中心化「する/しない」と中心化「される/されない」は意味として異なります。
あと、なんとなく記事における中心化の意味について認識がすこしずれてる感じがします。。

posted at 13:27:40

9月15日

@kazutan

kazutan@kazutan

@DrGojiMoriCun かなり以前に書いた記事だったので、改めて自分の記事を読み直しましたが……
(1)「名義変数は中心化されないとの記載」は、どこの箇所をさしているのかよくわかりません……
(2)すみませんが二つ目のツイート内容がよくわかりません……

posted at 13:25:27

このページの先頭へ