Вопросы с тегом «r»

Я понимаю концепцию масштабирования матрицы данных для использования в модели линейной регрессии. Например, в R вы можете использовать: scaled.data <- scale(data, scale=TRUE) Мой единственный вопрос: для новых наблюдений, для которых я хочу предсказать выходные значения, как они правильно масштабируются? Это будет scaled.new <- (new - mean(data)) / std(data)?

13 r  regression  prediction  scales 

Я читал о t-тесте Стьюдента, но он работает, когда мы можем предположить, что исходные дистрибутивы обычно распространяются. В моем случае их точно нет. Кроме того, если у меня есть 13 дистрибутивов, нужно ли мне делать 13^2тесты?

13 r  hypothesis-testing  distributions 

Я работаю в R с помощью превосходного учебника по PCA Линдси и Смита, и застреваю на последнем этапе. Сценарий R, приведенный ниже, выводит нас на этап (на стр.19), на котором исходные данные восстанавливаются из (в данном случае, единственного) основного компонента, который должен давать прямую линию вдоль оси PCA1 (учитывая, что …

13 r  pca 

Я использую библиотеку R 'multcomp' ( http://cran.r-project.org/web/packages/multcomp/ ) для вычисления теста Даннетта . Я использую скрипт ниже: Group <- factor(c("A","A","B","B","B","C","C","C","D","D","D","E","E","F","F","F")) Value <- c(5,5.09901951359278,4.69041575982343,4.58257569495584,4.79583152331272,5,5.09901951359278,4.24264068711928,5.09901951359278,5.19615242270663,4.58257569495584,6.16441400296898,6.85565460040104,7.68114574786861,7.07106781186548,6.48074069840786) data <- data.frame(Group, Value) aov <- aov(Value ~ Group, data) summary(glht(aov, linfct=mcp(Group="Dunnett"))) Теперь, если я запускаю этот сценарий через консоль R несколько раз, я получаю очень немного …

13 r  multiple-comparisons 

В R (2.15.2) я однажды установил ARIMA (3,1,3) для временного ряда и один раз ARMA (3,3) для разностных временных рядов. Установленные параметры отличаются, что я приписал методу подбора в ARIMA. Кроме того, подгонка ARIMA (3,0,3) к тем же данным, что и ARMA (3,3), не приведет к идентичным параметрам, независимо от …

13 r  time-series  arima  fitting  arma 

Я провел множественную регрессию, в которой модель в целом значима и объясняет около 13% дисперсии. Тем не менее, мне нужно найти величину дисперсии, объясняемой каждым значимым предиктором. Как я могу сделать это с помощью R? Вот некоторые примеры данных и кода: D = data.frame( dv = c( 0.75, 1.00, 1.00, …

13 r  regression  variance 

Я работаю над логистической моделью, и у меня возникают трудности с оценкой результатов. Моя модель - биномиальный логит. Мои объяснительные переменные: категориальная переменная с 15 уровнями, дихотомическая переменная и 2 непрерывные переменные. Мой N большой> 8000. Я пытаюсь смоделировать решение фирм инвестировать. Зависимая переменная - это инвестиции (да / нет), …

13 r  logistic  goodness-of-fit  roc 

Можно ли провести анализ мощности для U-теста Крускала-Уоллиса и Манна-Уитни? Если да, есть ли пакеты / функции R, которые его выполняют?

13 r  nonparametric  power-analysis  kruskal-wallis 

Я провел glm.nb по glm1<-glm.nb(x~factor(group)) с группой, являющейся категориальной, и х, являющейся метрической переменной. Когда я пытаюсь получить сводку результатов, я получаю немного разные результаты, в зависимости от того, использую я summary()или summary.glm. summary(glm1)дает мне ... Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.1044 0.1519 0.687 0.4921 factor(gruppe)2 0.1580 …

13 r  generalized-linear-model  negative-binomial 

У меня есть результаты того же теста, примененного к двум независимым образцам: x <- c(17, 12, 13, 16, 9, 19, 21, 12, 18, 17) y <- c(10, 6, 15, 9, 8, 11, 8, 16, 13, 7, 5, 14) И я хочу вычислить критерий суммы рангов Уилкоксона. Когда я вручную вычисляю …

13 r  wilcoxon-mann-whitney  wilcoxon-signed-rank 

Для приблизительно нормально распределенных данных коробочные диаграммы - отличный способ быстро визуализировать медиану и распространение данных, а также присутствие любых выбросов. Однако для распределений с более тяжелыми хвостами многие точки показаны как выбросы, поскольку выбросы определяются как находящиеся вне фиксированного коэффициента IQR, и это, конечно, происходит намного чаще с распределениями …

13 r  distributions  data-visualization  data-transformation  ggplot2 

У меня есть набор значений и которые теоретически связаны экспоненциально:xxxyyy y=axby=axby = ax^b Одним из способов получения коэффициентов является применение натуральных логарифмов с обеих сторон и подгонка линейной модели: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Другой способ получить это - использовать нелинейную регрессию, учитывая …

13 r  regression  linear-model  model-selection  nonlinear-regression 

Я использую R-пакет Lavaan для оценки модели структурного уравнения. Допустим, модель состоит из 1 эндогенной манифестной переменной с 1 скрытой и 2 манифестными объясняющими переменными: group = {0,1} attitude1 = latent,scale age = respondent's age Тогда желаемая модель лавы (не работает): model <- ' attitude1 =~ att1 + att2 + …

13 r  interaction  sem  lavaan 

редактировать Я нашел статью с описанием именно той процедуры, которая мне нужна. Единственное отличие состоит в том, что документ интерполирует среднемесячные данные на ежедневные, сохраняя при этом среднемесячные значения. У меня есть проблемы, чтобы реализовать подход в R. Любые намеки приветствуются. оригинал Для каждой недели у меня есть следующие данные …

13 r  time-series  interpolation 

Я запустил PCA на 25 переменных и выбрал лучшие 7 компьютеров, используя prcomp. prc <- prcomp(pollutions, center=T, scale=T, retx=T) Затем я сделал ротацию варимакса для этих компонентов. varimax7 <- varimax(prc$rotation[,1:7]) А теперь я хочу, чтобы varimax вращал данные, повернутые PCA (поскольку они не являются частью объекта varimax - только матрица …

13 r  pca  factor-rotation