Questions marquées «r»

Je voudrais savoir en quoi le traitement des poids diffère entre svyglmetglm J'utilise le twangpackage dans R pour créer des scores de propension qui sont ensuite utilisés comme poids, comme suit (ce code provient de la twangdocumentation): library(twang) library(survey) set.seed(1) data(lalonde) ps.lalonde <- ps(treat ~ age + educ + black …

18 r  survey 

Ayons un modèle linéaire, par exemple juste une simple 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) Le résultat est le suivant: Call: lm(formula …

18 r  regression  confidence-interval 

Voici ma trame de données: 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) Ensuite, je lance un modèle d'effets mixtes linéaires pour comparer la différence des 3 groupes sur "Valeur", où "Sujet" est le facteur aléatoire: library(lme4) library(lmerTest) model <- lmer (Value~Group + (1|Subject), …

18 r  lme4-nlme  post-hoc 

Contexte : régression hiérarchique avec quelques données manquantes. Question : Comment utiliser l'estimation du maximum de vraisemblance (FIML) pour traiter les données manquantes dans R? Y a-t-il un package que vous recommanderiez et quelles sont les étapes typiques? Des ressources et des exemples en ligne seraient également très utiles. PS …

18 r  maximum-likelihood  missing-data 

J'ai appris le modèle de risque proportionnel de Cox. J'ai beaucoup d'expérience dans l'ajustement de modèles de régression logistique, et donc pour construire l'intuition, j'ai comparé des modèles ajustés à l'aide coxphde la «survie» R avec des modèles de régression logistique ajustés à l'aide glmde family="binomial". Si je lance le …

17 r  logistic  survival  cox-model  power 

On peut effectuer une régression logit dans R en utilisant un tel code: > 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 Il semble que l'algorithme d'optimisation ait convergé - il existe des informations sur le nombre d'étapes de …

17 r  generalized-linear-model  optimization  algorithms  logit 

J'ai quelques données que j'ai ajustées en utilisant un modèle LOESS dans R, me donnant ceci: Les données ont un prédicteur et une réponse, et elles sont hétéroscédastiques. J'ai également ajouté des intervalles de confiance. Le problème est que les intervalles sont des intervalles de confiance pour la ligne, alors …

17 r  regression  prediction-interval  loess 

Ceci est mon premier article sur StackExchange, mais je l'utilise comme ressource depuis un bon moment, je ferai de mon mieux pour utiliser le format approprié et apporter les modifications appropriées. C'est également une question en plusieurs parties. Je ne savais pas si je devais diviser la question en plusieurs …

17 r  logistic  model-selection  regression-strategies 

Je pourrais utiliser quelques conseils sur la présentation de certaines données. Ce premier tracé est une comparaison cas-témoins pour la cytokine IL-10. J'ai défini manuellement l'axe y pour inclure 99% des données. La raison pour laquelle j'ai défini cela manuellement est que le groupe de cas a une valeur aberrante …

17 r  data-visualization  outliers  boxplot  presentation 

J'ai besoin de générer des nombres aléatoires suivant la distribution normale dans l'intervalle (a,b)(a,b)(a,b) . (Je travaille dans R.) Je sais que la fonction rnorm(n,mean,sd)générera des nombres aléatoires suivant la distribution normale, mais comment définir les limites d'intervalle à l'intérieur de cela? Existe-t-il des fonctions R particulières disponibles pour cela?

17 r  normal-distribution  matlab  simulation  random-generation 

J'ai exécuté cette régression logistique ordinale dans R: mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) J'ai obtenu ce résumé du modèle: 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 …

17 r  regression  logistic  interpretation  ordered-logit 

Je ne comprends pas l'explication du Rfichier d'aide de pour les effets () : Pour un modèle linéaire ajusté par lmou aov, les effets sont les valeurs de degré de liberté non corrélées obtenues en projetant les données sur les sous-espaces orthogonaux successifs générés par la décomposition QR pendant le …

17 r  regression 

J'ai une variable indépendante appelée "qualité"; cette variable a 3 modalités de réponse (mauvaise qualité; qualité moyenne; haute qualité). Je veux introduire cette variable indépendante dans ma régression linéaire multiple. Lorsque j'ai une variable indépendante binaire (variable fictive, je peux coder 0/ 1), il est facile de l'introduire dans un …

17 r  regression  categorical-data  multicollinearity  categorical-encoding 

J'ai l'histogramme suivant des données de comptage. Et je voudrais y adapter une distribution discrète. Je ne sais pas comment je dois procéder. Dois-je d'abord superposer une distribution discrète, disons distribution binomiale négative, sur l'histogramme afin d'obtenir les paramètres de la distribution discrète, puis d'exécuter un test de Kolmogorov-Smirnov pour …

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

Je souhaite effectuer une analyse ANCOVA des données concernant la densité des épiphytes végétaux. Dans un premier temps, je voudrais savoir s'il existe une différence de densité de plante entre deux pentes, une N et une S, mais j'ai d'autres données telles que l'altitude, l'ouverture du couvert et la hauteur …

17 r  ancova