lm

    2熱度

    1回答

    我的目標是使用lfe::demeanlist()根據一組因子獲得一個data.frame降序數據。然後我想表明,在簡單的lm()中使用這些數據相當於lm()的因素。這種等效性沒有權重,但是當我使用權重時,點數估計值會被忽略。使用felm()和lm()與權重等效。 樣本數據 library(lfe) set.seed(12345) iris <- iris # Create weights

    0熱度

    1回答

    所以我需要在R中使用interplot來描繪​​一個因子變量的相互作用。除了其中一個重要部分外,我已經能夠將所有東西都映射出來:如何更改獲取因子的標籤繪製。這裏的顯示問題可複製例如: set.seed(507) df <- data.frame( outcome = sample(1:7, 1000, replace = T), scale = sample(1:7, 1000

    1熱度

    1回答

    我有一個數據集有一列公司,我會爲這個數據集做迴歸建模。 我應該使用model.matrix進行轉換,還是隻在一列中分配1-28的值。 將其轉換爲28列時的相關性是什麼lm函數可以處理它嗎?

    0熱度

    1回答

    如何輸入分類/標稱變量輸入線性模型時使用的參考類別。這裏有一個例子: summary(lm(data = iris, Sepal.Length ~ Species)) Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 5.0060 0.0728 68.76 < 2e-16 *** Specie

    0熱度

    1回答

    busan<-subset(influ_busan, select = c(CNT,temp_min,temp_diff,humid_mean,hpa_mean,rad_mean,wind_mean,o3)) new_busan<-mice(busan, seed=12345, n=5) lm_busan <- with(new_busan,lm(CNT~temp_min+temp_dif

    1熱度

    1回答

    我的問題與this one類似,但現在我試圖使用一個有多個預測變量的模型,並且我無法弄清楚如何將新數據導入預測函數。 library(dplyr) library(lubridate) library(purrr) library(tidyr) library(broom) set.seed(1234) 首先我創建星期的以次 wks = seq(as.Date("2010-01-0

    0熱度

    1回答

    我想了解R函數predict.lm如何在R中工作。所以,我在控制檯中輸入函數的名稱來查看代碼,將代碼複製到新的腳本和呼叫Pred提供給新的功能: pred <- function (object, newdata, se.fit = FALSE, scale = NULL, df = Inf, interval = c("none", "confidence", "prediction

    0熱度

    2回答

    在下面的MWE中,我有一個包含70個潛在預測變量的數據集來解釋我的變量price1。我想用所有變量進行單變量分析,但包glmulti說我有too many predictors。單變量分析如何可以有太多預測因子? *我可以通過loop/apply這樣做,但我正在尋找更詳細的內容。這個類似的問題here也沒有解決問題。 test <- read.csv(url("https://raw.github

    3熱度

    1回答

    我有一個用於實驗的CRM數據集,其中虛擬W對應於治療/對照組(請參閱下面的代碼)。當我測試的來自其它特徵W上的獨立性,我意識到兩兩件事: 當使用model.matrix,一些係數(在該虛設數據集1)沒有因爲相似性的定義。直餵養DT到LM() 在這兩種情況下獲得的模型會產生不同的結果,即當這並沒有發生,個別特性的p值的變化 我(想我)明白多重共線性的概念,但在這種特殊情況下,我不太明白a)爲什麼會出

    0熱度

    1回答

    我想在我的數據框中的幾個因子水平上運行一個邏輯迴歸模型,我得到的是每個因子水平的複製結果而不是獨特模型的參數。它發生時,我用的是鑽石的數據集,並運行相同的代碼,這樣的: diamonds$E <- if_else(diamonds$color=='E',1,0) #Make 'E' binary fitted_models <- diamonds %>% group_by(