«r» 태그된 질문

anova두 모델을 비교할 때 결과를 어떻게 이해해야 합니까? 예: Res.Df RSS Df Sum of Sq F Pr(>F) 1 9 54.032 2 7 4.632 2 49.4 37.329 0.0001844 *** 맨 페이지에는 "하나 이상의 적합 모델 객체에 대한 분산 (또는 편차) 테이블의 계산 분석"이 나와 있습니다. 그러나 교수는 모델 비교에 사용될 수 …

9 r  regression  anova 

연속 변수와 이진 대상 변수 (0 및 1)가있는 데이터 세트가 있습니다. 목표 변수와 관련하여 연속 변수 (로지스틱 회귀 분석)를 불연속 화하고 각 구간의 관측 빈도가 균형을 이루도록 제한해야합니다. Chi Merge, 의사 결정 트리와 같은 기계 학습 알고리즘을 시도했습니다. Chi merge는 각 구간에서 매우 불균형 한 수의 구간을 제공했습니다 (3 개의 …

9 r  machine-learning  chi-squared  discrete-data  supervised-learning 

다음과 같이 수행 된 주요 구성 요소 분석 결과를 이해하려고합니다. > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 …

9 r  pca  interpretation 

이 decompose기능을 사용하고 R월별 시계열의 3 가지 구성 요소 (추세, 계절 및 랜덤)를 생각해 냈습니다. 차트를 작성하거나 표를 보면 시계열이 계절성에 영향을 받는다는 것을 분명히 알 수 있습니다. 그러나 시계열을 11 계절 더미 변수에 회귀하면 모든 계수가 통계적으로 유의하지 않으므로 계절성이 없음을 나타냅니다. 왜 내가 두 가지 매우 다른 결과를 …

9 r  regression  time-series 

일부 이차 최적화 문제를 해결하는 데 도움이되는 패키지를 찾고 있으며 적어도 6 개의 다른 패키지가 있음을 알 수 있습니다. 이 페이지 에 따르면 : QP (Quadratic programming, 90C20) : cplexAPI , kernlab , limSolve , LowRankQP , quadprog , Rcplex , Rmosek 이 중 일부 (Rmosek 및 cplexAPI)는 다른 독점 …

9 r  optimization 

두 개의 연속 변수가있는 다음과 같은 간단한 데이터 세트가 있습니다. 즉 : d = data.frame(x=runif(100,0,100),y = runif(100,0,100)) plot(d$x,d$y) abline(lm(y~x,d), col="red") cor(d$x,d$y) # = 0.2135273 변수 사이의 상관 관계가 ~ 0.6이되도록 데이터를 다시 정렬해야합니다. 두 변수의 수단 및 기타 기술 통계 (sd, min, max 등)를 일정하게 유지해야합니다. 주어진 데이터와 거의 모든 …

9 r  correlation 

성향 점수 가중 (특히 IPTW)을 사용하여 관측 데이터로부터 평균 치료 효과를 추정하려고합니다. 나는 ATE를 올바르게 계산한다고 생각하지만 역 성향 점수 가중치를 고려하면서 ATE의 신뢰 구간을 계산하는 방법을 모르겠습니다. 다음은 평균 치료 효과를 계산하기 위해 사용하는 방정식입니다 (2010 년 9 월 10 일 29:20 통계 : 참고 자료 Stat Med. T이자형=1엔∑1엔지나는와이나는피나는−1엔∑1엔( …

9 r  survey  causality  propensity-scores  observational-study 

나는 다음과 같은 실험 설계에서 데이터를 내 관측 성공 (의 수의 계산이다 K시험의 수 (대응에서) N각각 구성된 두 그룹에 대해 측정) I에서 개인, T이러한 각 요인의 조합에있다 치료, R복제를 . 따라서, 나는 모두 2 * I * T * R K 및 대응하는 N을 갖는다 . 데이터는 생물학에서 온 것입니다. …

9 r  generalized-linear-model  heteroscedasticity  log-linear  dglm 

물류 일반화 선형 혼합 모형 (패밀리 = 이항)에서 랜덤 효과 분산을 해석하는 방법을 모르겠습니다. Random effects: Groups Name Variance Std.Dev. HOSPITAL (Intercept) 0.4295 0.6554 Number of obs: 2275, groups: HOSPITAL, 14 이 수치 결과를 어떻게 해석합니까? 다기관 연구에서 신장 이식 된 환자의 샘플이 있습니다. 환자가 특정 고혈압 치료로 치료받을 확률이 …

9 r  lme4-nlme 

상황에 맞지 않는 짧은 버전 허락하다 yyy CDF와 함께 임의 변수 F(⋅)≡{θθ+(1−θ)×CDFlog-normal(⋅;μ,σ) y = 0 y > 0F(⋅)≡{θ y = 0 θ+(1−θ)×CDFlog-normal(⋅;μ,σ) y > 0 F(\cdot) \equiv \cases{\theta & y = 0 \\ \theta + (1-\theta) \times \text{CDF}_{\text{log-normal}}(\cdot; \mu, \sigma) & y > 0} 내가 무승부를 시뮬레이션하고 싶다고 가정 해 …

9 r  distributions  sampling  simulation  copula 

MASS 패키지의 'polr'함수를 사용하여 15 개의 연속 설명 변수가있는 순서 형 범주 형 반응 변수에 대해 순서 형 로지스틱 회귀 분석을 실행했습니다. 코드를 사용하여 (아래 그림 참조) 내 모델이 UCLA 안내서에 제공된 조언에 따라 비례 승산 가정을 충족하는지 확인했습니다 . 그러나 다양한 컷 포인트의 계수가 비슷할뿐만 아니라 정확히 동일하다는 것을 …

9 r  logistic  assumptions  ordered-logit  polr 

컨벌루션을 계산 / 평가하고 싶습니다 지( x ) =∫디에프( x − t ) ϕ ( t ) dt ,g(x)=∫Df(x−t)ϕ(t)dt,g(x)=\int_D f(x-t) \phi(t) dt, 여기서 는 밀도이고 는 컴팩트 한 지원 의 부드러운 함수입니다 . 컨볼 루션은 닫힌 형태로 제공되지 않으며 숫자로 통합해야합니다. 내 질문은 : 효율적인 방법이 있습니까? R로 구현하고 싶습니다. …

9 r  convolution 

다음 R 코드를 고려하십시오. > data <- data.frame( a=c(NA,2,3,4,5,6),b=c(2.2,NA,6.1,8.3,10.2,12.13),c=c(4.2,7.9,NA,16.1,19.9,23)) > data a b c 1 NA 2.20 4.2 2 2 NA 7.9 3 3 6.10 NA 4 4 8.30 16.1 5 5 10.20 19.9 6 6 12.13 23.0 보시다시피 데이터를 대략적으로 설계했습니다 c = 2*b = 4*a. 따라서 누락 된 …

9 r  data-imputation  multiple-imputation 

이 CFA 메신저를 어떻게 진행하고 있는지 잘 모르겠습니다. 172 명의 참가자 샘플 (CFA에는 그다지 중요하지 않음)과 7 개의 요소에로드해야하는 7 포인트 리 커트 척도를 갖춘 28 개의 항목이 있습니다. “mlm”추정기로 CFA를 수행했지만 모형 적합은 실제로 나빴습니다 (χ2 (df = 329) = 739.36; 비교 적합 지수 (CFI) = .69; 표준화 된 …

9 r  sem  fitting  confirmatory-factor 

이 같은 두 변수의 노이즈 데이터가 있습니다. x1 <- rep(seq(0,1, 0.1), each = 3000) set.seed(123) y1 <- rep (c(0.2, 0.8, 0.3, 0.9, 0.65, 0.35,0.7,0.1,0.25, 0.3, 0.95), each = 3000) set.seed(1234) e1 = rnorm(length(x1), 0.07,0.07) set.seed(1223) e2 = rnorm(length(x1), 0.07,0.07) set.seed(1334) yn <- rnorm(20000, 0.5,0.9) set.seed(2344) xn <- rnorm(20000, 0.5,0.9) y …

9 r  machine-learning  clustering