Pytania otagowane jako r

Kiedy konstruujesz biplot do analizy PCA, masz wyniki składowej głównej PC1 na osi x i oceny PC2 na osi y. Ale jakie są pozostałe dwie osie po prawej i na górze ekranu?

18 r  pca  biplot 

Chciałbym wiedzieć, jak różni się sposób traktowania ciężarów między svyglmiglm Używam twangpakietu w R do tworzenia ocen skłonności, które są następnie używane jako wagi, w następujący sposób (ten kod pochodzi z twangdokumentacji): library(twang) library(survey) set.seed(1) data(lalonde) ps.lalonde <- ps(treat ~ age + educ + black + hispan + nodegree + …

18 r  survey 

Miejmy jakiś model liniowy, na przykład po prostu 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) Wynik jest następujący: Call: lm(formula = data ~ …

18 r  regression  confidence-interval 

Oto moja ramka danych: 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) Następnie uruchamiam model efektów mieszanych liniowo, aby porównać różnicę 3 grup w „wartości”, gdzie „podmiot” jest czynnikiem losowym: library(lme4) library(lmerTest) model <- lmer (Value~Group + (1|Subject), data = data) summary(model) Wyniki są …

18 r  lme4-nlme  post-hoc 

Dowiedziałem się o modelu proporcjonalnego hazardu Coxa. Mam dużo doświadczenia okucia modele regresji logistycznej, a więc budować modele intuicji Byłem porównujące dopasowuje się stosując coxphod R „przetrwania” ze modele regresji logistycznej dopasowuje się stosując glmprzy family="binomial". Jeśli uruchomię kod: library(survival) s = Surv(time=lung$time, event=lung$status - 1) summary(coxph(s ~ age, data=lung)) …

17 r  logistic  survival  cox-model  power 

Można wykonać regresję logit w R przy użyciu takiego kodu: > 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 Wygląda na to, że algorytm optymalizacji jest zbiegnięty - jest informacja o liczbie kroków algorytmu oceniania Fishera: Call: glm(formula = …

17 r  generalized-linear-model  optimization  algorithms  logit 

Mam dane, które dopasowałem za pomocą modelu LOESS w R, co daje mi to: Dane mają jeden predyktor i jedną odpowiedź i są heteroscedastyczne. Dodałem również przedziały ufności. Problem polega na tym, że przedziały są przedziałami ufności dla linii, podczas gdy mnie interesują przedziały prognozowania. Na przykład dolny panel jest …

17 r  regression  prediction-interval  loess 

To jest mój pierwszy post na StackExchange, ale od dłuższego czasu używam go jako zasobu, zrobię co w mojej mocy, aby użyć odpowiedniego formatu i wprowadzić odpowiednie zmiany. Jest to również pytanie wieloczęściowe. Nie byłem pewien, czy powinienem podzielić pytanie na kilka różnych postów, czy tylko na jeden. Ponieważ wszystkie …

17 r  logistic  model-selection  regression-strategies 

Mógłbym skorzystać z pewnych wskazówek dotyczących prezentacji niektórych danych. Ten pierwszy wykres stanowi porównanie kontroli przypadku dla cytokiny IL-10. Ręcznie ustawiłem oś y, aby zawierała 99% danych. Ustawiłem to ręcznie, ponieważ grupa przypadków ma skrajnie odstające wartości. Moi współpracownicy wahają się przed usunięciem wartości odstających z naszego zestawu danych. Nie …

17 r  data-visualization  outliers  boxplot  presentation 

Muszę wygenerować liczby losowe po rozkładzie normalnym w przedziale (a,b)(a,b)(a,b) . (Pracuję w R.) Wiem, że funkcja rnorm(n,mean,sd)wygeneruje losowe liczby po rozkładzie normalnym, ale jak ustawić limity interwałów w tym zakresie? Czy są do tego dostępne jakieś konkretne funkcje R?

17 r  normal-distribution  matlab  simulation  random-generation 

Uruchomiłem tę porządkową regresję logistyczną w R: mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) Mam to podsumowanie modelu: 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 t value 1|2 -6.4706 1.6443 …

17 r  regression  logistic  interpretation  ordered-logit 

Nie rozumiem wyjaśnienia w Rpliku pomocy dla efektów () : Dla modelu liniowego dopasowanego przez lmlubaov , efektami są nieskorelowane wartości pojedynczego stopnia swobody uzyskane przez rzutowanie danych na kolejne ortogonalne podprzestrzenie generowane przez rozkład QR podczas procesu dopasowania. Czy ktoś może wyjaśnić, co to oznacza? Czy ortogonalne podprzestrzenie odnoszą …

17 r  regression 

Mam niezależną zmienną o nazwie „jakość”; ta zmienna ma 3 tryby odpowiedzi (zła jakość; średnia jakość; wysoka jakość). Chcę wprowadzić tę zmienną niezależną do mojej wielokrotnej regresji liniowej. Kiedy mam binarną zmienną niezależną (zmienną fikcyjną, mogę kodować 0/ 1), łatwo jest wprowadzić ją do modelu wielokrotnej regresji liniowej. Ale przy …

17 r  regression  categorical-data  multicollinearity  categorical-encoding 

Mam następujący histogram danych zliczania. I chciałbym dopasować do niego dyskretny rozkład. Nie jestem pewien, jak powinienem to zrobić. Czy powinienem najpierw nałożyć na histogram rozkład dyskretny, powiedzmy ujemny rozkład dwumianowy, aby uzyskać parametry rozkładu dyskretnego, a następnie uruchomić test Kołmogorowa – Smirnowa, aby sprawdzić wartości p? Nie jestem pewien, …

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

Chcę przeprowadzić analizę ANCOVA danych dotyczących gęstości epifitów roślinnych. Na początku chciałbym wiedzieć, czy istnieje jakakolwiek różnica w gęstości rośliny między dwoma zboczami, jednym N i jednym S, ale mam inne dane, takie jak wysokość, otwartość czaszy i wysokość rośliny żywicielskiej. Wiem, że moją zmienną towarzyszącą musiałyby być dwa zbocza …

17 r  ancova