Questions marquées «r»

Utilisez cette balise pour toute question * sur le sujet * qui (a) implique «R» en tant que partie critique de la question ou réponse attendue, et (b) n'est pas * seulement * sur la façon d'utiliser «R».

3
Choix du nombre de composants principaux à conserver
Une méthode qui m'a été suggérée est de regarder un tracé d'éboulis et de vérifier le «coude» pour déterminer le nombre correct de PC à utiliser. Mais si l'intrigue n'est pas claire, R a-t-il un calcul pour déterminer le nombre? fit <- princomp(mydata, cor=TRUE)
10 r  pca 
1
R et EVue les différences dans les estimations AR (1)
Le problème principal est: je ne peux pas obtenir d'estimations de paramètres similaires avec EViews et R. Pour des raisons que je ne me connais pas, j'ai besoin d'estimer les paramètres de certaines données à l'aide d'EViews. Pour ce faire, sélectionnez l'option NLS (moindres carrés non linéaires) et utilisez la …
1
Comment interpréter les coefficients d'un modèle mixte multivarié dans lme4 sans interception globale?
J'essaie d'intégrer un modèle mixte multivarié (c'est-à-dire à réponses multiples) R. Mis à part les packages ASReml-ret SabreR(qui nécessitent un logiciel externe), il semble que cela ne soit possible qu'en MCMCglmm. Dans l' article qui accompagne le MCMCglmmpaquet (p. 6), Jarrod Hadfield décrit le processus d'ajustement d'un tel modèle comme …
1
Pourquoi Anova () et drop1 () ont-ils fourni des réponses différentes pour les GLMM?
J'ai un GLMM du formulaire: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Lorsque j'utilise drop1(model, test="Chi"), j'obtiens des résultats différents de ceux que j'utilise à Anova(model, type="III")partir du package de voiture ou summary(model). Ces deux derniers donnent les mêmes réponses. En utilisant un …
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 
1
randomForest et bug d'importance variable?
Je n'ai pas la différence entre le rfobject$importanceet importance(rfobject)dans la colonne MeanDecreaseAccuracy. Exemple: > data("iris") > fit <- randomForest(Species~., data=iris, importance=TRUE) > fit$importance setosa versicolor virginica MeanDecreaseAccuracy MeanDecreaseGini Sepal.Length 0.027078501 0.019418330 0.040497602 0.02898837 9.173648 Sepal.Width 0.008553449 0.001962036 0.006951771 0.00575489 2.472105 Petal.Length 0.313303381 0.291818815 0.280981959 0.29216790 41.284869 Petal.Width 0.349686983 0.318527008 0.270975757 …
4
Ajustement de la distribution log-normale dans R vs. SciPy
J'ai adapté un modèle lognormal utilisant R avec un ensemble de données. Les paramètres résultants étaient: meanlog = 4.2991610 sdlog = 0.5511349 J'aimerais transférer ce modèle sur Scipy, que je n'ai jamais utilisé auparavant. En utilisant Scipy, j'ai pu obtenir une forme et une échelle de 1 et 3,1626716539637488e + …
10 r  python  numpy  scipy 
1
Analyse de séries chronologiques asynchrones (irrégulières)
J'essaie d'analyser le décalage entre les séries chronologiques de deux cours boursiers. Dans l'analyse de séries chronologiques régulières, nous pouvons faire Cross Correlaton, VECM (Granger Causality). Cependant, comment peut-on gérer la même chose dans des séries temporelles irrégulièrement espacées. L'hypothèse est que l'un des instruments mène l'autre. J'ai des données …
6
Comment évaluer le pouvoir prédictif d'un ensemble de prédicteurs catégoriels d'un résultat binaire? Calculer les probabilités ou la régression logistique?
J'essaie de déterminer si de simples probabilités fonctionneront pour mon problème ou s'il vaudra mieux utiliser (et en savoir plus) des méthodes plus sophistiquées comme la régression logistique. La variable de réponse dans ce problème est une réponse binaire (0, 1). J'ai un certain nombre de variables prédictives qui sont …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.