我正在使用波士顿数据集MASS.
我需要分别预测crim其他13个预测变量,并保存每个模型的斜率系数.
我怎么能自动化呢?
我不知道如何在for循环中访问数据集的变量.
我试过这个用它的索引访问一个变量:
fit1 = lm(Boston[1]~Boston[2])
Run Code Online (Sandbox Code Playgroud)
但它返回这个:
Error en model.frame.default(formula = Boston[1] ~ Boston[2], drop.unused.levels = TRUE) :
invalid type (list) for variable 'Boston[1]'
Run Code Online (Sandbox Code Playgroud)
我希望能够访问各个变量,以便使用for循环执行13个不同的lm()s:类似的东西fit = Boston[i] ~ Boston[i+1]
过去几个小时我一直在研究这个问题.我尝试过使用sprintf但是它将列更改为字符.我想做的就是有一个固定宽度的数字列,用零填充.
我有以下代码:
download.file(
"http://www.wikipathways.org//wpi/batchDownload.php?species=Homo%20sapiens&fileType=txt",
destfile="human.zip")
files <- unzip( "human.zip", list=T)
Run Code Online (Sandbox Code Playgroud)
它在 Linux 上工作,但在 Windows 上抛出以下错误:
Error in unzip("human.zip", list = T) :
error -103 with zipfile in unzGetCurrentFileInfo
Run Code Online (Sandbox Code Playgroud)
你知道问题出在哪里吗?
据我所知,Stata和R都有"预测"功能.我试图复制使用R在Stata中执行的结果,结果涉及计算预测值的标准偏差.R中是否有功能,可能使用其"预测"功能,这将允许我这样做?我似乎无法完美地复制结果.如果它有帮助,Stata代码执行以下操作:
reg Y X1 X2 if condition
predict resid, r
predict stdf, stdf
Run Code Online (Sandbox Code Playgroud)
stdf论证的定义是:
stdf计算预测的标准误差,这是1次观测的点预测的标准误差.它通常被称为未来或预测值的标准误差.通过构造,产生的标准误差stdf总是大于由此产生的误差stdp; 参见[R]预测中的方法和公式
我写的R代码是:
fit <- lm(Y ~ X1 + X2, data=df)
new.df <- data.frame(...) # This is a new data frame with my new data period I want to predict in
predict(fit, new.df, se.fit = TRUE)
Run Code Online (Sandbox Code Playgroud)
但是,当我将标准误差转换为标准偏差时,它们与Stata输出不匹配.
提前致谢!
是否有一种简单的方法来拟合 R 中的多元回归,其中因变量根据Skellam 分布(两个泊松分布计数之间的差异)分布?就像是:
myskellam <- glm(A ~ B + C + D, data = mydata, family = "skellam")
Run Code Online (Sandbox Code Playgroud)
这应该适应固定效应。但理想情况下,我更喜欢随机效应,因为我知道固定效应可能会引入测量偏差。因此我想理想的解决方案应该是使用lme4orglmmADMB包。
或者,有没有办法转换数据以应用更常用的回归工具?
我知道这是一个有点老的问题,但我只是想知道现在是否有解决方案。
lme4我通常使用带有函数的包来执行混合效果模型lmer。但是,我知道这个函数不允许我在模型中包含负方差分量。
我真的很想在 R 模型中包含负方差。有没有人对我会使用哪些包有任何建议?或者说,新的lme4允许吗?
因此,我可以使用plot()R 中的函数来绘制不同函数的图形。然而,我发现 R 中的图表通常不会显示函数的整个曲线。让我举个例子:
fun <- function(x){
x^3 + 2*x^2 + 3*x + 4
}
plot(fun)
Run Code Online (Sandbox Code Playgroud)
然而,当我使用 Desmos 图形计算器绘制相同的函数时,它显示笛卡尔图的所有四个象限,而 R 仅显示一个:
我的问题:如何修改 RPlot 以显示所有四个象限,而不是像上述情况那样仅显示一个象限?
我目前正在阅读 Andy Field 的书《使用 R 发现统计》。第 14 章是关于混合建模的,他使用了包lme中的函数nlme。
他使用快速约会数据创建的模型是这样的:
speedDateModel <- lme(dateRating ~ looks + personality +
gender + looks:gender + personality:gender +
looks:personality,
random = ~1|participant/looks/personality)
Run Code Online (Sandbox Code Playgroud)
我尝试使用包lmer中的函数重新创建一个类似的模型lme4;然而,我的结果不同。我以为我有正确的语法,但也许不是?
speedDateModel.2 <- lmer(dateRating ~ looks + personality + gender +
looks:gender + personality:gender +
(1|participant) + (1|looks) + (1|personality),
data = speedData, REML = FALSE)
Run Code Online (Sandbox Code Playgroud)
另外,当我运行这些模型的系数时,我注意到它只为每个参与者产生随机截距。然后我试图创建一个可以产生随机截距和斜率的模型。我似乎无法为这两个函数提供正确的语法来执行此操作。任何帮助将不胜感激。
我想做一个简单的比较,使用的h == 1 | 2地方h可以是1到4之间的整数.令我惊讶的是,它没有用.
我可以理解为什么
1 == 2 | 4
真正
甚至可能是为什么
1 ==(2 | 4)
真正
但为什么以所有合理和理智的名义呢
as.numeric(1)==(2 | 4)
要么
1L ==(2 | 4)
要么
3 == 2 | 4
评价为
真正
???
我怎么能请R告诉我是否1 is equal to 2 or 4会得到答案FALSE?
过去,我曾使用sjPlotsjp.glmer包中的将广义混合效应模型的不同斜率可视化。但是,使用新包,我无法弄清楚如何绘制各个斜率,如图中(随机)组级别的固定效应概率,位于此处
这是我认为应该允许生成图形的代码。我似乎无法在新版本的sjPlot.
library(lme4)
library(sjPlot)
data(efc)
# create binary response
efc$hi_qol = 0
efc$hi_qol[efc$quol_5 > mean(efc$quol_5,na.rm=T)] = 1
# prepare group variable
efc$grp = as.factor(efc$e15relat)
# data frame for 2nd fitted model
mydf <- na.omit(data.frame(hi_qol = as.factor(efc$hi_qol),
sex = as.factor(efc$c161sex),
c12hour = as.numeric(efc$c12hour),
neg_c_7 = as.numeric(efc$neg_c_7),
grp = efc$grp))
# fit 2nd model
fit2 <- glmer(hi_qol ~ sex + c12hour + neg_c_7 + (1|grp),
data = mydf,
family = binomial("logit"))
Run Code Online (Sandbox Code Playgroud)
我尝试使用以下代码绘制模型。
plot_model(fit2,type="re")
plot_model(fit2,type="prob")
plot_model(fit2,type="eff")
Run Code Online (Sandbox Code Playgroud)
我想我可能缺少一个标志,但是在阅读了文档后,我无法找出那个标志可能是什么。
r ×10
lme4 ×3
mixed-models ×3
statistics ×2
glm ×1
graphics ×1
nlme ×1
sjplot ×1
stata ×1
unzip ×1