lm

    1热度

    1回答

    随机正常日期的简单回归失败,但具有小整数而不是日期的相同数据按预期工作。 # Example dataset with 100 observations at 2 second intervals. set.seed(1) df <- data.frame(x=as.POSIXct("2017-03-14 09:00:00") + seq(0, 199, 2), y=rnorm

    -1热度

    1回答

    我知道lm(y~. , data) 但我想了解一下相反的方向 如果我希望把多个y以LM功能,我应该怎么办呢?用于?循环? 我期望的结果是越来越每个p值和Y的值的β只有一个X.

    0热度

    1回答

    假设我有一个公式(例如,myformula <- y ~ x1 + x2)和一个数据集d。为了诊断目的,我想看看最后在我的线性回归中使用的观察结果(r <- lm(myformula, data=d))。这基本上需要根据d建立一个包含y,x1和x2的数据框,并删除所有缺少数据的观测数据(complete.obs)。或者,也许,操纵r对象的内容? 建议赞赏。 /IAW

    0热度

    1回答

    我有一个回归与许多定性的相互作用和一些组合没有任何意见。如何排除summary.lm()输出中没有观测值的相互作用系数?

    2热度

    1回答

    standardize()arm包因为我使用as.formula定义formula对象并在lm(formula, data = df)中使用它而失败。 选项A(我不想)将lm以外的输入标准化。选项B尝试(并失败)来标准化lm对象。 (注意:保持我的循环结构,因为我的实际使用情况是一个比较复杂一点) # create data library(arm) set.seed(324)

    0热度

    1回答

    我正在学习如何在R中进行回归,并且我决定尝试将GOOG退化为AAPL。 这里就是我所做的 getSymbols("AAPL", from="2011-01-01", to="2013-01-01") getSymbols("GOOG", from="2011-01-01", to="2013-01-01") lmdata=data.frame(Cl(AAPL),Cl(GOOG)) res=l

    2热度

    2回答

    假设我有X1,...,X14潜在预测变量。 现在对于一个给定的Y我想要做的OLS方案: Y~X1+X2 Y~X1+X3 .... Y~X1+X14 .... Y~X14+X13 这基本上是所有的所有预测的两种组合。在创建所有这些回归之后,我想在predict函数中使用它们(如果可能的话)。 我的问题是:我如何通过回归的两种组合来完成所有这些回归?

    0热度

    1回答

    给出R中的拟合模型(即类'lm','glm','merMod'等的对象),我试图找出如何计算新数据集的概率。也就是说,我希望数据集B的概率(密度)在通过将模型拟合到数据集A而获得的参数估计之下。我知道如何做到这一点,但我想知道一个简单的预先存在的函数可以在R中做到这一点。是否有一个简单的功能来做到这一点? This question是非常相似的,但我想这样做的R.

    0热度

    1回答

    我想在R中的plot_ly()周围编写一个自定义函数。这样,​​我可以使用一系列散点图相同的格式和样式,但不重复的代码。 I used this page as a guide.此代码再现错误: library(plotly) my_plot <- function(x, y, ...) { require(broom) plot_ly(data = mtcars, y =

    1热度

    1回答

    在stackoverflow.com/q/38378118中询问过此问题,但没有满意的答案。 λ= 0的LASSO相当于普通最小二乘法,但在R中glmnet()和lm()似乎不是这种情况。为什么? library(glmnet) options(scipen = 999) X = model.matrix(mpg ~ 0 + ., data = mtcars) y = as.matrix(