lm

    1热度

    1回答

    我有一个矩阵(5,000 x 5,000),这是我的因变量随着时间的推移,我有几个自变量矩阵随着时间的推移,在相同的格式。这两个矩阵不时包含NA,所以这些必须通过na.exclude来照顾。 我做了一些样本数据来说明我的问题: y <- matrix(rnorm(25000),5000,5000) x1 <- matrix(rnorm(25000),5000,5000) x2 <- matri

    1热度

    1回答

    我使用regsubsets来搜索模型。是否可以从参数选择列表中自动创建所有lm? library(leaps) leaps<-regsubsets(y ~ x1 + x2 + x3, data, nbest=1, method="exhaustive") summary(leaps)$which (Intercept) x1 x2 x3

    2热度

    2回答

    我在R中运行OLS回归,从中得到一对系数。以下是部分代码: Attacks <- Treat.Terr.Dataset$Attacks[2:30] Attackslag <- Treat.Terr.Dataset$Attacks[1:29] TreatmentEffect <- Treat.Terr.Dataset$TreatmentEffect[2:30] TreatmentEffectl

    1热度

    2回答

    我正在绘制对数回归的最佳拟合线以及该线周围的置信区间。我使用的代码工作得很好,除了我宁愿置信区间都是“灰色”(而不是默认的“红色”和“绿色”)。不幸的是,我没有看到指定颜色更改时将它们隔离的方法。我想 为回归线:lty = 1, col = "black"; 置信区间有:lty=2, col = "gray"。 我该如何做到这一点?我的代码是何许: R6cl <- lm(log(R6$y) ~ R

    1热度

    1回答

    我有两列的数据帧 var_1<-seq(1:252) var_2<-runif(1:252)*1000 my_new_df<-data.frame(var_1,var_2) names(my_new_df)<-c("Time_values","Count") train_poly_data<-my_new_df[1:150,c("Time_values","Count")] # tra

    2热度

    1回答

    library(lmPerm) x <- lmp(formula = a ~ b * c + d + e, data = df, perm = "Prob") summary(x) # truncated output, I can see `NA` rows here! #Coefficients: (1 not defined because of singularities) #

    3热度

    3回答

    我是purrr模式的新手,并且一直在努力。 以下几个来源,我设法嵌套数据框,在嵌套数据上运行线性模型,从每个lm中提取一些系数,并为每个lm生成一个摘要。我想要做的最后一件事是从摘要中提取“r.squared”(我认为这将是我试图实现的最简单的部分),但无论出于何种原因,我无法获得语法对。 这里是什么,我有一个MWE的作品: library(purrr) library(dplyr) libr

    -1热度

    1回答

    我是R的新手,对lm()函数有疑问。我有一个柱Ratings其范围内的连续的属性0到5当我调用lm()命令为: lm(some_overall_rating ~ Rating, data = Ratings) 我得到的输出等: 我的问题是为什么我有这么多系数?我理想地为ratings$rating专栏寻找一个合作效率。

    3热度

    1回答

    我是多级分析的初学者,并尝试了解如何使用base-R的绘图函数做图。我理解下面的fit的输出,但我对可视化很感兴趣。 df只是一些简单的测试数据: t <- seq(0, 10, 1) df <- data.frame(t = t, y = 1.5+0.5*(-1)^t + (1.5+0.5*(-1)^t) * t, p1 = as.factor(rep(c("p

    3热度

    1回答

    我有一些数据是使用受限三次样条建模的。我在rms包中使用rcs转换函数来生成线性模型的转换变量。这是一个使用5节的例子。 library('rms') my_df <- data.frame( y = -4 * -100:100 + -1.5 * (-100:100)**2 + 3 * (-100:100)**3 + rnorm(201, 0, 1e5), x = -100: