请告诉我如何计算偏度和峰度以及它们各自的标准误差和与之相关的置信区间（即偏度的SE和峰度的SE）我发现了两个包
1）package：'measure'只能计算偏度和峰度
2) package: 'rela' 可以计算偏度和峰度，但默认使用 bootstrap，并且在计算过程中没有命令将其关闭。
我试图验证用户输入的输入是数字类型还是非数字类型。如果是数字类型，那么它将执行必要的操作，否则它将生成我设计的错误消息（不是生成的标准错误）
我一直在使用的步骤是：
1> 对输入执行数学运算。
echo -n "Enter a number : "; read a
现在，如果输入a是数字类型，则操作成功，否则将生成标准错误。
Enter a number : ww
expr: non-numeric argument
我用来重定向标准错误的代码是：
tmp=`expr $a / 1` >&2
我还尝试使用以下代码将其重定向到空文件：
tmp=`expr $a / 1` > /dev/null
但错误仍在显示。
我正在使用来自调查数据的面板数据集运行逻辑回归，我想纠正面板设计的标准误差。本次调查中包含的权重考虑了抽样概率、小组死亡率和后分层。
如果我正确理解Berger et al 2017，我应该对面板数据使用聚类协方差。但是，我不确定这些命令是否适用于具有调查权重的数据。
我开始通过与估计回归glm，并与校正标准误差coeftest从lmtest包和vcovPL从sandwich包。随后，我使用svydesign和svyglm从survey包中估计了一个加权模型，并以同样的方式再次校正了标准误差。
在这个问题R 的三明治包中，线性模型中的鲁棒标准误差产生奇怪的结果Zeileis 写道，使用svyglm对象可能会产生不正确的结果。但是，我不确定这是否仅适用于复杂的调查权重（包括分层等），或者也适用于基本调查权重，因为它在此处指出，如果不使用分层，则没有太大区别。但是，我不完全理解那里的解释。此外，我想知道Berger et al 2017 中描述的新实现的功能是否允许使用svyglm对象。所以我不知道如果我的设计没有分层，我是否可以将sandwich包中的命令用于类对象svyglm。
这是我使用的代码：
# not weighted
model <- glm(depend_var ~ indep_var1 + indep_var2 ,family=quasibinomial(link='logit'),data=dataset)
m_vcov <- coeftest(model,vcov. = sandwich::vcovPL(x = model, cluster = ~ id_var,order.by = ~ year ,pairwise = T))
# weighted
design.ps <- svydesign(ids=~1, weights=~wgt, …我在c ++中有这个程序:
#include <iostream>
using namespace std;
int main()
{
char buf[50];
cin.getline(buf,49);
system(buf);
return 0;
}
当我运行并编译它并键入例如"helo"时,我的程序会输出错误:
"helo" not found.
我可以阻止显示此错误吗？有没有办法从系统命令中禁用错误？
我有一个数据集(名为'gala'),其中包含"Day","Tree","Trt"和"LogColumn"列.随着时间的推移收集数据,因此每个处理的每个编号树都是相同的树,所有日子都相同.对于每次处理重复树数(例如,对于多次处理存在树"1").
我想计算'LogColumn'列的平均值和标准误差,对于每天每次处理的每棵树(例如,第1天我将得到平均值+标准误,第1天,治疗x等),并将均值和标准误差结果输出到一个新的数据框中,该数据框还包括原始日期,树,Trt值.
我试图从其他Stack Overflow答案中编写代码的Frankenstein是不成功的,但我似乎找不到一个包含所有组件的代码.如果我错过了这个,我很抱歉,请通过这个答案的链接告诉我.我是编码和R的新手,并且不太清楚如何应用其他与我想做的事情无直接关系的代码.
此时,我有这个,但不知道它是否接近正确(我当前也收到错误消息"类型'闭包的对象'不是子集"):
TreeAverages <- data.table[, MeanLog=mean(gala$LogColumn), se=std.error(gala$LogColumn), by=c("Day","Tree","Trt")]
任何帮助是极大的赞赏.谢谢!