«lm» 태그된 질문

내 자신의 이해를 위해, 예를 들어의 lm()함수 출력과 함께 추정 계수의 표준 오차 계산을 수동으로 복제하는 데 관심이 R있지만 핀을 고정시킬 수는 없었습니다. 사용 된 공식 / 구현물은 무엇입니까?

114 r  regression  standard-error  lm 

특히 lm(y ~ x1 + x2)와 사이에 차이가 있는지 알고 싶습니다 glm(y ~ x1 + x2, family=gaussian). 나는이 특정한 glm 사례가 lm과 같다고 생각합니다. 내가 잘못?

45 r  normal-distribution  generalized-linear-model  lm 

발트해의 해수면 온도가 해마다 동일하다고 가정하고 함수 / 선형 모델로 설명합니다. 내가 가진 아이디어는 연도를 10 진수 (또는 num_months / 12)로 입력하고 그 시간에 대한 온도를 알아내는 것이 었습니다. R의 lm () 함수에 던지면 정현파 데이터를 인식하지 않으므로 직선을 생성합니다. 그래서 sin () 함수를 I () 괄호 안에 넣고 함수에 …

37 r  regression  time-series  lm 

조정 된 R- 제곱에 대해 R에서 사용되는 정확한 공식은 무엇입니까 lm() ? 어떻게 해석 할 수 있습니까? 조정 된 R- 제곱 공식 조정 된 R- 제곱을 계산하는 공식이 여러 개있는 것 같습니다. 나룻배의 식 : 1−(1−R2)(n−1)(n−v)1−(1−R2)(n−1)(n−v)1-(1-R^2)\frac{(n-1)}{(n-v)} McNemar의 식 : 1−(1−R2)(n−1)(n−v−1)1−(1−R2)(n−1)(n−v−1)1-(1-R^2)\frac{(n-1)}{(n-v-1)} 주님의 공식 : 1−(1−R2)(n+v−1)(n−v−1)1−(1−R2)(n+v−1)(n−v−1)1-(1-R^2)\frac{(n+v-1)}{(n-v-1)} 스타 인의 공식 : 1−[(n−1)(n−k−1)(n−2)(n−k−2)(n+1)n](1−R2)1−[(n−1)(n−k−1)(n−2)(n−k−2)(n+1)n](1−R2)1-\big[\frac{(n-1)}{(n-k-1)}\frac{(n-2)}{(n-k-2)}\frac{(n+1)}{n}\big](1-R^2) 교과서 …

35 r  regression  r-squared  lm  shrinkage 

lm()값을 예측하는 데 사용할 수 있지만 경우에 따라 결과 수식의 방정식이 여전히 필요합니다. 예를 들어, 방정식을 도표에 추가하십시오.

29 r  regression  lm 

R의 선형 혼합 모델에 대한 질문에 대한 전편으로 초보자 / 중급 통계 애호가를위한 참고 자료로 공유하기 위해, 나는 "수동"계산에 관련된 단계를 독립적 인 "Q & A- 스타일"로 게시하기로 결정했습니다. 간단한 선형 회귀의 계수 및 예측 값. 예는 R 내장 데이터 세트를 사용하며 mtcars, 독립 변수 역할을하는 차량이 소비하는 갤런 당 …

22 r  regression  linear-model  lm 

이분산성이 매우 명확한 적합 값의 함수로 선형 모델의 잔차 값을 플롯했습니다. 그러나이 이분산성이 내 선형 모델을 무효화한다는 것을 이해하기 때문에 지금 어떻게 진행 해야할지 잘 모르겠습니다. (맞습니까?) 이분산성에 강하기 때문에 패키지 의 rlm()기능을 사용하여 강력한 선형 피팅을 사용하십시오 MASS. 이분산성으로 인해 계수의 표준 오차가 잘못되었으므로 이분산성에 견고하도록 표준 오차를 조정할 …

19 r  generalized-linear-model  heteroscedasticity  lm 

정규성을 확인하기 위해 선형 모형의 잔차에 대해 Shapiro Wilk의 W 검정 및 Kolmogorov-Smirnov 검정을 수행하고 싶습니다. 원시 잔차, Pearson 잔차, 학생 잔차 또는 표준화 잔차에 대해 어떤 잔차를 사용해야하는지 궁금합니다. Shapiro-Wilk의 W 테스트의 경우 원시 및 Pearson 잔차에 대한 결과는 동일하지만 다른 결과는 그렇지 않은 것으로 보입니다. fit=lm(mpg ~ 1 …

13 r  regression  residuals  normality-assumption  lm 

배경 모델 피팅에 대한 과정에서 첫 번째 예 를 이해하려고합니다 (따라서 간단하게 보일 수 있습니다). 손으로 계산을 수행했으며 예제와 일치하지만 R에서 반복하면 모델 계수가 해제됩니다. 차이점은 모집단 분산 ( )을 사용하는 교과서 때문일 수 있다고 생각 했지만 R은 샘플 분산 ( )을 사용하고있을 수 있지만 계산에서 사용되는 위치를 볼 수는 …

13 r  regression  self-study  lm 

반복 측정 (2x2x2) lm과 lmer반복 측정 사이에 여러 상호 작용 테스트를 재현하려고합니다 . 두 방법을 비교하고 싶은 이유는 SPSS의 반복 측정에 대한 GLM이 lm여기에 제시된 방법 과 정확히 동일한 결과를 산출하기 때문에 결국 SPSS와 R-lmer를 비교하고 싶기 때문입니다. 지금까지 이러한 상호 작용 중 일부만 (근접 적으로) 재현했습니다. 내 요점을 더 …

10 anova  mixed-model  lme4-nlme  repeated-measures  lm 

강력한 회귀 추론을 수행하기 위해 샌드위치 추정기를 사용하는 예를 들어 주시겠습니까? 에서 예제를 볼 수는 ?sandwich있지만 함수가 반환 한 분산 공분산 행렬을 사용하여 회귀 모델에서 발생 하는 추정 및 p 값으로 lm(a ~ b, data)( r 코딩) 방법으로 이동하는 방법을 이해하지 못합니다 . sandwich

10 r  regression  lm  sandwich 

lm 모델 (R)에서 logLik 함수가 제공하는 로그 가능성을 dnorm ()으로 다시 계산하려고합니다. 많은 수의 데이터 (예 : n = 1000)에 대해 (거의 완벽하게) 작동합니다. > n <- 1000 > x <- 1:n > set.seed(1) > y <- 10 + 2*x + rnorm(n, 0, 2) > mod <- glm(y ~ x, …

10 r  generalized-linear-model  likelihood  lm 

GLMM 형식이 있습니다. lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) 를 사용할 때 자동차 패키지 또는에서 사용할 때 drop1(model, test="Chi")와 다른 결과를 얻습니다 . 후자의 두 사람도 같은 대답을합니다.Anova(model, type="III")summary(model) 조작 된 데이터를 사용 하여이 두 가지 방법이 일반적으로 다르지 않다는 것을 알았습니다. …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

내 동료가 나에게이 문제를 보냈고 분명히 인터넷에서 라운드를 진행했다. If $3 = 18, 4 = 32, 5 = 50, 6 = 72, 7 = 98$, Then, $10 =$ ? 답은 200 인 것 같습니다. 3*6 4*8 5*10 6*12 7*14 8*16 9*18 10*20=200 R에서 선형 회귀를 할 때 : data <- …

9 r  regression  lm 

이 기사 에서 다음과 같은 이식편을 가져옵니다 . 부트 스트랩을 사용하고 R boot패키지가있는 선형 혼합 모델을 위해 파라 메트릭, 반 파라 메트릭 및 비 파라 메트릭 부트 스트랩 부트 스트랩을 구현하려고 초보자 입니다. R 코드 내 R코드 는 다음과 같습니다 . library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography