Deutsches R-Forum

Also die einschlägige ansteigende Exponentialfunktion sein?

Genau so wenig, wie Du bei einer "normalen" linearen Regression zwingend eine steigende Gerade erwarten würdest...
ln(y) ~ x heißt ja: finde mir a und b so, dass a*x + b "nahe an" ln(y) ist - und wenn für a etwas Negatives rauskommt, fällt y als Funktion von x halt.

Ja, so bekommt man dann e^-x mit negativer Steigung.

Aber ich dachte, ga84pew sucht eine Regression für einen logarithmischen Zusammenhang.

ga84pew hat geschrieben: ↑Fr Okt 12, 2018 6:09 pm ich möchte in meinem Model über eine lineare Regression mit logaristischer Transformation (...)

@ga84pew:
Oder meinst Du das englische "logistic"?

Consuli

Man könnte auch ein Model für zensierte Daten nehmen. gamlss, censreg und mgcv haben solche Verteilungen im petto.

Oder ein zweiteiliges sog. Hurdle Model: Ein Teil für die Wahrscheinlichkeit einer Zensur (logistisch, meist) und ein Teil für die nicht-zensieren Daten (meist Normal oder Gamma).

Oder man baut sich ein post-processing function: wenn x < 100, dann 0 und schiebt diese nach. Das ist dann aber nur kosmetik und ändert nichts am Model.

Was genau gewollt ist, ist mir unklar.

Ich steige aus diesem Thread aus, und zwar deshalb weil das Zeitbudget, dass ich für eine kostenlose Hilfestellung in einem Forum investieren kann, aufgebraucht ist. Meine Zeitbudget-Regelung rührt auch daher, dass es Leute gibt, die selbst gar keinen tatsächlichen Problemfall haben, sondern sich "nur" in ein neues Thema einarbeiten wollen und dann aus dem Internet irgendwelche Sachen zusammen kopieren (was ich vorliegend nicht unterstelle). In einem anderen Forum hatte ich sogar schon mal den Fall, dass sich ein Ghostwriter einer Sicherheitsbehörde als Statistiker versuchen wollte (was ziemlich schnell auffällt). Auch aufgrund solcher negativen Erfahrungen habe ich ein Zeitbudget eingeführt, dass dann in dem einem oder anderen Fall leider auch Fragesteller mit ehrenhaften Absichten trifft (ich kann das aber ohne aufwendige Hintergrund-Recherche aber nicht auseinander dividieren).

Ohnehin können die Anderen Deine Frage sicher genauso gut oder oder sogar besser als ich beantworten.

@ga84pew
Gerade bei einem komplizierteren Problem tust Du gut daran, Dich an das im Forum vielfach bewährte Frageschema

• Das sind meine Daten, bzw. eine anonymisierte Auswahl davon
• Daraus soll "das und das" werden
• Diesen Versuch habe ich bereits unternommen und hänge dessen Code an
• Bei meinem Versuch bin ich auf diese Probleme gestoßen
• Von seiten meines Professor/ Chefs/ Kunden/ sonstigen Auftraggebers bestehen "die und die" Anforderungen, die als Nebenbedingung für die Lösung des Problems zu berücksichtigen sind.

Der Hauptmangel Deiner Problemvorstellung scheint in Nr. 1 und Nr. 2 zu liegen.

Consuli

Hi!

Mein Versuch: Da die Fragestellung nicht konkreter und verständlicher wird, bleibe ich erstmal bei diesem Satz:

ich möchte in meinem Model über eine lineare Regression mit logaristischer Transformation den y-Wert nicht gegen Null gehen lassen, sondern gegen einen anderen y-Wert

Hier schlage ich vor: Wenn das die Frage beantwortet, dann kriegt man auch das mit der Grafik irgendwie hin. Wenn das die Frage nicht beantwortet, dann haben wir eine klare 42-Situation.

LG,
Bernhard

bigben hat geschrieben: ↑Mo Okt 15, 2018 1:05 pm klare 42-Situation.

42 is the "Answer to the Ultimate Question of Life, the Universe, and Everything" Situation

Genau. 42 ist die Antwort auf die ultimative Frage. Sie wird mit enormem Aufwand gewonnen, ist aber nichts wert, weil niemand so Recht weiß, wie die Frage lautet, die sie beantwortet.

Nochmal vielen Dank für die Antworten. Ich habe mittlerweile auch erfahren, dass mein Problem unlösbar ist.

ga84pew hat geschrieben: ↑Mi Nov 07, 2018 5:32 pm Nochmal vielen Dank für die Antworten. Ich habe mittlerweile auch erfahren, dass mein Problem unlösbar ist.

Wegen

42 ist die Antwort auf die ultimative Frage. Sie wird mit enormem Aufwand gewonnen, ist aber nichts wert, weil niemand so Recht weiß, wie die Frage lautet, die sie beantwortet.

oder andere Gründe? Kannst du sie hier erklären?

Letzendlich war es für die Arbeit gar nicht relevant bzw. die "zu kleinen" Werte habe ich händisch aus dem Dataframe gelöscht