Session 7: Model simplification

hallo,

gestern haben wir ne ganze menge geschafft – ich war zumindest ganz zufrieden. wir haben nun die ersten schritte hin zu einem vernünftigen einsatz stat. modelle gemacht und uns mit der standard R-implementation (glm) ansatzweise vertraut gemacht. wenn wir alle größen verstehn, die R im summary-output gibt, dann ist schon sehr viel gewonnen (dazu noch ein kleiner tipp: fügt am besten immer das argument “correlation =T” hinzu (also summary(model, correlation = T); damit bekommt ihr zu den ganzen dingen, die wir gestern besprochen haben noch eine korrelationsmatrix der koeffizienten; stark korrelierte variablen bringen eine gewisse redundanz in unsere erklärung; dazu bald mehr).

für diejenigen unter uns, die in der letzten zeit (oder vielleicht generell) eher wenig erfahrung mit stat. konzepten hatten, muss das hier natuerlich ein wenig heftig sein – denn das thema ist ja bereits recht “advanced” und setzt eine menge fundamentalwissen voraus. aber vielleicht koennen wir die lücken erkennen und quasi rückschauend systematisch schliessen. zur naechsten sitzung hatten wir vereinbart, dort anzusetzen und aus baayen (2008) folgende seiten durchzuackern!

Baayen (2008: 165-169) & (2008:195-202)

der gute harald macht alles idR ziemlich krass-gut (!), neigt allerdings dazu, seinen leser hin und wieder abzuschuetteln (zumindest ging es mir des oefteren so; wenn man sich wieder rangekämpft hat, weiss man die baayen-power 🙂 aber wieder zuschätzen) – ich weiss noch nicht, ob der Baayen-text generell zugänglich genug ist; wir koennen ja mal sehen…

ihr werdet sehen, dass baayen auch das “dependent-as-success/failure-matrix” format benutzt. nächstes mal schauen wir uns nochmal an, wie wir aus der “raw data”-matrix schnell zu diesem format kommen (easy):

wer schonmal ein weing probieren will:
wenn “a” unsere daten sind, die so angeordnet sind, wie sie erhoben werden sollten, so dass also jede spalte eine variable benennt und jede zeile einen fall beschreibt, koennen wir einfach folgendes machen:

new.dataframe=as.data.frame(table(a)) # von hier an ists dann noch kleinkram

outlook: likelihood profiling
"Profile Plot" für faktoren des MinAdModells von gestern (contrast data)

und zum schluss, ich wollte eben die aktuelle version meiner präsi und den R-workspace hochladen, bekomme hier aber aus mir unerklärlichen gründen grad keinen FTP-zugriff auf meine seite. ich probiers aber mutig weiter und sag dann nochmal bescheid…

ok – schönes WE und
best,
daniel

1 Kommentar zu „Session 7: Model simplification“

  1. DW says:

    hallo zusammen,

    ich habe soeben die erweiterte version meiner präsentation hochgeladen (–>generalized linear models.pdf)

    best,
    daniel

Kommentieren

Sie müssen angemeldet sein, um kommentieren zu können.