r相关内容
将此参数化用于增长曲线逻辑模型 我创建了一些点: K =0.7 ;y0=0.01 ;r =0.3 df = data.frame(x= seq(1, 50, by = 5))df$y = 0.7/(1+((0.7-0.01)/0.01)*exp(-0.3*df$x)) 有人能告诉我,如果使用模型启动器创建数据,我怎么会出现拟合错误? fo = df$y ~ K/(1+((K-y0)/y
..
我想做一棵像图中那样的回归树.这棵树是在 Cubist 中完成的,但我没有那个程序.我确实使用 R 和 Python.它似乎与 R 包 rpart 或 tree 不同,因为末端节点是线性公式而不仅仅是平均值.有什么办法可以使用 R 或其他一些免费软件来做到这一点吗? 图中NDVI、B1、B2等为变量.图片来自本网站. 解决方案 Cubist 是 RuleQuest 在 http://
..
对于这个基本问题,我深表歉意,但无论出于何种原因,我真的被困住了.我希望从 y = a*x^b 的“a"和“b"的功率曲线中获得输出值.假设我有这个数据集: x y log10(x) log10(y)7 240 0.84509804 2.38021124245 610 1.653212514 2.78532983514 340 1.146128036 2.53147891730 500 1.4
..
我有一个结构如下的模型,我想在忽略随机效应的同时提取预测值.如?predict.gam 和此处所述,我正在使用 exclude 参数,但出现错误.我的错误在哪里? dt 解决方案 exclude 与您假设的方式不同.您仍然需要在 newd 中为 predict.gam 提供所有变量.请参阅我的此答案,了解 predict.gam 背后的内容. 这是您需要做的: ## 用变量 c2
..
我手头有一个问题,我认为这在很多人中很常见分析组采用 R 代替 SAS.用户希望在 R 中获得逻辑回归的结果他们已经习惯了 SAS. 为此,我能够在 R 中提出设计包,其中包含许多函数来提取 SAS 的各种指标报告. 如果您对其他包或示例代码有任何建议复制了逻辑回归的一些 SAS 输出,我很高兴听到他们的消息. 一些要求是: 逻辑回归的逐步变量选择 选择因子变量的基准
..
我正在使用 OLS 拟合线性模型,并使用 R 中的函数 scale 缩放我的回归量,因为变量之间的度量单位不同.然后,我使用 lm 命令拟合模型并获得拟合模型的系数.据我所知,拟合模型的系数与原始回归变量的单位不同,因此在解释它们之前必须按比例缩小.我一直在寻找一种直接的方法来做到这一点,但找不到任何东西.有人知道怎么做吗? 请看一下代码,你能帮我实现你的建议吗? 图书馆(动物园)文件名=
..
我想对 y~x(只有 1 个因变量和 1 个自变量)进行回归,但我有异方差性.y 的可变性随着 x 的增加而增加.为了解决这个问题,我想通过 R 中的 "gls()" 函数使用加权最小二乘法. 但是我不得不承认我不明白如何使用它.我必须将方差函数应用于 gls 函数的“权重"参数.但我不知道选择哪一个以及如何使用它. 解决方案 这是一个处理泊松计数之类的数据的示例,其中的变化将与均值
..
在 Excel 中,拟合一组给定趋势线的对数趋势线非常容易.只需单击添加趋势线,然后选择“对数".切换到 R 以获得更多功能,我有点不知道应该使用哪个函数来生成它. 为了生成图表,我使用了 ggplot2 和以下代码. ggplot(data, aes(horizon, success)) + geom_line() + geom_area(alpha=0.3)+stat_smooth
..
我正在使用 R 包 stargazer 创建高质量的回归表,我想用它来创建一个汇总统计表.我的数据中有一个因子变量,我希望汇总表显示因子在每个类别中的百分比——实际上,将因子分成一组互斥的逻辑(虚拟)变量,然后显示表中的那些.举个例子: >图书馆(汽车)>图书馆(观星者)>数据(布莱克摩尔)>stargazer(Blackmore[, c("age", "exercise", "group")]
..
真的很简单的问题!我正在运行许多 y~x 的线性回归,并希望获得每个回归的方差,而无需从 summary.lm 中给出的标准误差输出中手动计算它命令.只是为了节省一点时间:-).执行此操作的命令的任何想法?还是我必须自己写一个函数来完成? m|t|)(拦截) 700.3921 302.2936 2.317 0.0275 *年 -0.2757 0.1530 -1.802 0.0817 .---表示
..
我已尝试搜索有关此主题的其他线程,但没有任何修复对我有用.我有一个自然实验的结果,我想显示符合指数分布的事件连续发生的次数.我的R shell粘贴在下面 f 请原谅格式错误,先在这里发帖.x 包含直方图的 bin,y 包含该直方图中每个 bin 的出现次数.dat2 在 14 处截止,因为 0 计数仓会甩掉指数回归,我真的只需要拟合前 14 个.那些计数超过 14 的仓我有生物学上的理由相信
..
我需要将一些数据转换为“正常形状",并且我了解到 Box-Cox 可以识别用于转换数据的指数. 根据我的理解 car::boxCoxVariable(y) 用于线性模型中的响应变量,并且 MASS::boxcox(object) 用于公式或拟合模型对象.因此,因为我的数据是数据框的变量,所以我发现可以使用的唯一函数是: car::powerTransform(dataframe$v
..
我在用 R 中的季节性假人运行 nls 回归时遇到问题.我可以在没有季节性假人的情况下做到这一点,但不能.这是我目前所拥有的: year=floor(time(lsts))>月=轮(时间(lsts)-年,4)>月.f=因子(月)>假人=model.matrix(~month.f)hotdogNLS 总结(hotdogNLS) 公式:lsts ~ beta1/(1 + exp(beta2 +
..
我需要一些有关逻辑回归编码因子的帮助. 我有六个代表收入等级的虚拟变量.我想将这些转换为单个有序因子以用于逻辑回归. 我的数据框看起来像: INC1 INC2 INC3 INC4 INC5 INC61 0 0 1 0 0 02 呐呐呐呐呐呐呐呐3 0 0 0 0 0 14 0 0 0 0 0 15 0 0 1 0 0 06 0 0 0 1 0 07 0 0 1 0 0 08 0 0
..
一个新手问题:有谁知道如何在 R 中运行带有聚集标准误差的逻辑回归?在 Stata 中它只是 logit Y X1 X2 X3, vce(cluster Z),但不幸的是我还没有想出如何在 R 中进行相同的分析.提前致谢! 解决方案 您可能需要查看 rms(回归建模策略)包.所以,lrm 是逻辑回归模型,如果 fit 是你的输出名称,你会有这样的东西: fit=lrm(disease ~
..
我希望这个问题不会是“问答"问题……这里是:(多重)共线性是指回归模型中预测变量之间的极高相关性.如何治愈它们……好吧,有时您不需要“治愈"共线性,因为它不会影响回归模型本身,而是对单个预测变量的影响的解释. 发现共线性的一种方法是将每个预测变量作为因变量,将其他预测变量作为自变量,确定 R2,如果它大于 0.9(或 0.95),我们可以考虑预测器冗余.这是一种“方法"……其他方法呢?其中一
..
我没有找到计算正交回归的函数(TLS - 总最小二乘法). 有这种功能的包吗? 更新:我的意思是对称计算每个点的距离,而不是像 lm() 那样不对称计算. 解决方案 您可能需要考虑 MethComp 包中的 Deming() 函数 [函数信息].该软件包还包含 Deming 回归理论的详细推导. 以下对 R 档案的搜索也提供了很多选项: 总最小二乘法 戴明回归
..
我们如何在图上打印一条线的方程? 我有 2 个自变量,想要一个这样的方程: y=mx1+bx2+c其中 x1=成本,x2=定位 我可以绘制最佳拟合线,但如何在图中打印方程? 也许我不能在一个方程中打印 2 个自变量,但我该怎么做呢?y=mx1+c 至少? 这是我的代码: fit=lm(注册~费用+定位)情节(成本,注册,xlab =“成本",ylab =“注册",主要=“注
..
box
..
我正在尝试学习在 R 中使用神经网络.作为一个学习问题,我一直在使用 以下问题在 Kaggle: 别担心,这个问题是专门为人们设计的,没有任何奖励. 我从一个简单的逻辑回归开始,这非常适合我的脚.现在我想学习使用神经网络.我的训练数据看起来像这样(列:行): - 幸存下来:1- pclass:3- 性别男- 年龄:22.0- 同胞:1- 干草:0- 门票:PC 17601- 票价:7
..