Als «r» getaggte Fragen

Lassen Sie uns ein lineares Modell haben, zum Beispiel nur eine einfache ANOVA: # data generation set.seed(1.234) Ng <- c(41, 37, 42) data <- rnorm(sum(Ng), mean = rep(c(-1, 0, 1), Ng), sd = 1) fact <- as.factor(rep(LETTERS[1:3], Ng)) m1 = lm(data ~ 0 + fact) summary(m1) Ergebnis ist wie folgt: …

18 r  regression  confidence-interval 

Dies ist mein Datenrahmen: Group <- c("G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3") Subject <- c("S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15") Value <- c(9.832217741,13.62390117,13.19671612,14.68552076,9.26683366,11.67886655,14.65083473,12.20969772,11.58494621,13.58474896,12.49053635,10.28208078,12.21945867,12.58276212,15.42648969,9.466436017,11.46582655,10.78725485,10.66159358,10.86701127,12.97863424,12.85276916,8.672953949,10.44587257,13.62135205,13.64038394,12.45778874,8.655142642,10.65925259,13.18336949,11.96595556,13.5552118,11.8337142,14.01763101,11.37502161,14.14801305,13.21640866,9.141392359,11.65848845,14.20350364,14.1829714,11.26202565,11.98431285,13.77216009,11.57303893) data <- data.frame(Group, Subject, Value) Dann führe ich ein linear gemischtes Effektmodell aus, um die Differenz der 3 Gruppen zu "Value" zu vergleichen, wobei "Subject" der Zufallsfaktor ist: library(lme4) library(lmerTest) model <- lmer (Value~Group + (1|Subject), data …

18 r  lme4-nlme  post-hoc 

Kontext : Hierarchische Regression mit einigen fehlenden Daten. Frage : Wie verwende ich die FIML-Schätzung (Full Information Maximum Likelihood), um fehlende Daten in R zu beheben? Gibt es ein Paket, das Sie empfehlen würden, und was sind typische Schritte? Auch Online-Ressourcen und Beispiele wären sehr hilfreich. PS : Ich bin …

18 r  maximum-likelihood  missing-data 

Ich habe etwas über das Cox-Proportional-Hazard-Modell gelernt. Ich habe viel Erfahrung mit der Anpassung von logistischen Regressionsmodellen, und um die Intuition zu verbessern, habe ich Modelle, die mit coxphdem R "Survival" passen, glmmit logistischen Regressionsmodellen verglichen, die mit dem R "Survival" passen family="binomial". Wenn ich den Code ausführe: library(survival) s …

17 r  logistic  survival  cox-model  power 

Ich habe Daten zum Bewegungsverhalten (Schlafenszeit, Bewegungsmangel und körperliche Aktivität), die sich auf ungefähr 24 belaufen (wie in Stunden pro Tag). Ich möchte eine Variable erstellen, die die relative Zeit erfasst, die für jedes dieser Verhalten aufgewendet wurde. Mir wurde mitgeteilt, dass eine Transformation des isometrischen Log-Verhältnisses dies bewirken würde. …

17 r  multivariate-analysis  data-transformation  compositional-data 

Mit folgendem Code kann eine logit-Regression in R durchgeführt werden: > library(MASS) > data(menarche) > glm.out = glm(cbind(Menarche, Total-Menarche) ~ Age, + family=binomial(logit), data=menarche) > coefficients(glm.out) (Intercept) Age -21.226395 1.631968 Es sieht so aus, als ob der Optimierungsalgorithmus konvergiert hat - es gibt Informationen über die Schrittanzahl des Fisher-Scoring-Algorithmus: Call: …

17 r  generalized-linear-model  optimization  algorithms  logit 

Ich habe einige Daten, die ich mit einem LOESS-Modell in R angepasst habe. Die Daten haben einen Prädiktor und eine Antwort und sind heteroskedastisch. Ich habe auch Konfidenzintervalle hinzugefügt. Das Problem ist, dass die Intervalle Konfidenzintervalle für die Linie sind, während ich mich für die Vorhersageintervalle interessiere. Beispielsweise ist das …

17 r  regression  prediction-interval  loess 

Dies ist mein erster Beitrag in StackExchange, aber ich verwende ihn seit einiger Zeit als Ressource. Ich werde mein Bestes tun, um das entsprechende Format zu verwenden und die entsprechenden Änderungen vorzunehmen. Auch dies ist eine mehrteilige Frage. Ich war mir nicht sicher, ob ich die Frage in mehrere oder …

17 r  logistic  model-selection  regression-strategies 

Ich könnte eine Anleitung zur Präsentation einiger Daten gebrauchen. Diese erste Auftragung ist ein Fall-Kontroll-Vergleich für das Cytokin IL-10. Ich habe die y-Achse manuell so eingestellt, dass sie 99% der Daten enthält. Ich habe dies manuell festgelegt, weil die Fallgruppe einen extremen Ausreißer aufweist. Meine Mitarbeiter zögern, eine Ausreißerentfernung für …

17 r  data-visualization  outliers  boxplot  presentation 

Ich muss Zufallszahlen generieren, die der Normalverteilung innerhalb des Intervalls folgen . (Ich arbeite in R.)(a,b)(a,b)(a,b) Ich weiß, dass die Funktion rnorm(n,mean,sd)nach der Normalverteilung Zufallszahlen generiert, aber wie werden die Intervallgrenzen innerhalb dieser Funktion festgelegt? Gibt es dafür spezielle R-Funktionen?

17 r  normal-distribution  matlab  simulation  random-generation 

Ich habe diese ordinale logistische Regression in R ausgeführt: mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) Ich habe diese Zusammenfassung des Modells erhalten: summary(mtcars_ordinal) Re-fitting to get Hessian Call: polr(formula = as.factor(carb) ~ mpg, data = mtcars) Coefficients: Value Std. Error t value mpg -0.2335 0.06855 -3.406 Intercepts: Value Std. Error …

17 r  regression  logistic  interpretation  ordered-logit 

Ich verstehe die Erklärung in Rder Hilfedatei für effects () nicht : Für ein lineares Modell, das mit lmoder angepasst wurde aov, sind die Effekte die nicht korrelierten Einzelfreiheitsgradwerte, die durch Projektion der Daten auf die aufeinanderfolgenden orthogonalen Teilräume erhalten wurden, die durch die QR-Zerlegung während des Anpassungsprozesses generiert wurden. …

17 r  regression 

Ich habe eine unabhängige Variable namens "Qualität"; Diese Variable hat 3 Antwortmodalitäten (schlechte Qualität; mittlere Qualität; hohe Qualität). Ich möchte diese unabhängige Variable in meine multiple lineare Regression einführen. Wenn ich eine binäre unabhängige Variable habe (Dummy-Variable, ich kann 0/ codieren 1), ist es einfach, sie in ein Modell mit …

17 r  regression  categorical-data  multicollinearity  categorical-encoding 

Ich habe das folgende Histogramm der Zähldaten. Und ich würde gerne eine diskrete Verteilung hinzufügen. Ich bin mir nicht sicher, wie ich das anstellen soll. Soll ich dem Histogramm zuerst eine diskrete Verteilung überlagern, z. B. eine negative Binomialverteilung, damit ich die Parameter der diskreten Verteilung erhalte, und dann einen …

17 r  poisson-distribution  discrete-data  computational-statistics  negative-binomial 

Ich möchte eine ANCOVA-Analyse der Daten zur Dichte der Pflanzenepiphyten durchführen. Zuerst würde ich gerne wissen, ob es einen Unterschied in der Pflanzendichte zwischen zwei Hängen gibt, einem N und einem S, aber ich habe andere Daten wie die Höhe, die Offenheit der Überdachung und die Höhe der Wirtspflanze. Ich …

17 r  ancova