lm

    1热度

    1回答

    总是说,我们需要为分类值创建预测变量以便进行回归。我做了一个测试,首先为一个五层分类变量创建一个1,2,3s的预测变量列。然后,我运行相同的模型,没有预测器列,但使用分类列本身。 总之,系数是不同的;然而,它们的相对重要性和对y值的影响是相同的。此外,在这两种情况下,R平方和p值数字完全相同。那么,我是否必须创建预测变量,或者R是否足够聪明以自动执行? for(i in 1:74) {

    1热度

    1回答

    运行'stepAIC'后,我有以下结果。 fit1=lm(y~ x1+x2+x3+x4+x5) fit2=stepAIC(fit1) coef=fit2$coefficients >coef >intercept, x1, x3, x5 5 1, 3, 5 我有另一个预测向量z =(z1,...,z5)。因为它是for循环的一部分,我想使用'coef%*%z'自动计算预

    1热度

    1回答

    简短版本:如何为每个类别构建单独模型(不拆分数据)。 (我是新来的R) 龙版本:考虑以下合成数据 housetype,ht1,ht2,age,price O,0,1,1,1000 O,0,1,2,2000 O,0,1,3,3000 N,1,0,1,10000 N,1,0,2,20000 N,1,0,3,30000 我们可以模拟上述使用两个单独的模型 if(housetype=='o

    -1热度

    1回答

    我有一个关于如何在回归之后将NA值包含在向量中的问题。 这里是我的代码: m <- c(100, 108, 105, 120) n <- c(5, NA, 10, 8) b <- lm(n~m)$fitted.values # This returns: 1 3 4 6.961538 7.384615 8.653846 我需要列2被包括在内,无论是与零或NA,所以

    2热度

    1回答

    我想向R中的矩阵添加一组外推“观察值”。我知道如何使用普通编程技术来完成此操作(读取;一堆嵌套循环和函数),但我觉得这必须通过使用内置R函数以更简洁的方式实现。 下面的代码说明了这一点,并在它打破了 很多感谢您的帮助! 随着亲切的问候 西尔 library(dplyr) # The idea is that i have a table of observations for e.g. x=5

    1热度

    1回答

    此问题与https://stats.stackexchange.com/questions/3143/linear-model-with-constraints有关,但情况略有不同。 我有一个简单的双因子线性模型,连续结果Y。 factor1具有〜350个分类值,并且factor2具有相同的〜350个分类。我想限制每个级别上的系数总和为零跨越这两个因素。 (这样做的原因是,factor1和fact

    1热度

    1回答

    R具有确定统计显着性的某些显着性代码。例如,在下面的示例中,点号.表示10%级别的显着性(请参阅下面的示例输出)。 点很难看清,尤其是当我复制粘贴到Excel并以Times New Roman显示时。 我想改变它使得: * =在10%显著 ** = 5%显著 *** =显著在1% 有什么办法可以做到这一点? > y = c(1,2,3,4,5,6,7,8) > x = c(1,3,2,4,5,6

    1热度

    1回答

    我需要使用拟合模型来预测新值y的相应x值。 从一个新的x值预测y价值的通常情况下是通过使用predict功能简单,但我无法弄清楚如何做反向。 对于具有多个x解决方案的情况,我希望获得x值范围内的所有解决方案,即1-10。并且新的y将始终在用于拟合模型的y值的范围内。 查看下面的示例代码,我需要找到新的x值(new_x)。 x = seq(1:10) y = c(60,30,40,45,35,20

    0热度

    1回答

    我有一个数据集(PAEscore),每列1672个条目(38个参与者,每个参与者44个观察值)。我想看看Fraction_Value与Subject_Fraction,并编写脚本的一部分,它将为我提供每个主题的R系数。在我加载的数据中,我有一个主题编号的列,一个分数值的列和一个主题分数的列。到目前为止,我有一个代码,会给我一个情节和R值对所有38名参加合并后的数据: fit1 <- lm(Frac

    1热度

    1回答

    我有一个我想要拟合线性回归模型的实验设计。 这里的设计data.frame: design.df <- data.frame(batch=rep(c(1:3,1:3),4), species=rep(c(rep("mouse",3),rep("rat",3)),4), sex=rep(c(rep("M",12),rep("F",12))),