广义估计方程 高斯：修订间差异

来自决策链云智库
无编辑摘要
无编辑摘要
 
第7行： 第7行：
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8|V1.0]]部署
|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8|V1.0]]部署
|nodeenglishname=[[Has english name::Generalized Estimating Equation_Gaussian]]
|nodeenglishname=Generalized Estimating Equation_Gaussian
|abbreviation=[[Has abbreviation::GEEGaussian]]
|abbreviation=GEEGaussian
|funcmaincategory=数据分析
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]
|funcsubcategory=[[DataAGM Lv1 Cat::回归分析]]

2024年1月19日 (五) 19:10的最新版本

Generalized Estimating Equation Gaussian.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0部署
广义估计方程_高斯Generalized Estimating Equation Gaussian.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Generalized Estimating Equation_Gaussian
功能主类别数据分析
英文缩写GEEGaussian
功能亚类别回归分析
节点类型数据挖掘
开发语言R
节点简介

广义估计方程是一种研究纵向数据(比如重复测量数据,面板数据)的方法。用于估计广义线性模型的参数,其中线性模型的结果之间可能存在未知的相关性, 对于纵向数据,不满足方差分析条件的重复测量设计资料可以采用广义估计方程来进行分析。

纵向数据是按时间顺序对个体进行重复测量得到的资料高斯分布又名正态分布, 这里属于一种线性回归, 是一种研究影响关系的方法，利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。在线性回归中,数据使用线性预测函数来建模,并且未知的模型参数也是通过数据来估计。

用途：用于处理重复测量数据和其他复杂数据结构。可以处理连续性响应变量的重复测量数据，尤其是当数据中存在复杂的相关性结构时。

参数：选择连续型高斯分布因变量，ID变量，和自变量

端口数量与逻辑控制(PC)
Input-入口5个
Output-出口2个
Loop-支持循环是
If/Switch-支持逻辑判断否
输入输出
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点广义相加模型_泊松
下一节点广义估计方程_逻辑
WikimediaUI-Globe.svg相关网站





查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=广义估计方程_高斯&oldid=6082”
最近修改
此页面最后编辑于2024年1月19日 (星期五) 19:10。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].