小编bdu*_*bdu的帖子

我已经使用R一段时间了,但我仍然在努力与因素和数据框架.这是我的问题.

我试图预先分配一个由不同类型的几列组成的数据框,如下所示:

cb <- data.frame(S=character(1000), I=numeric(1000), A=as.Date(rep(0,1000), origin = "1900-01-01"), SD=as.POSIXct(rep(0,1000), origin = "1900-01-01 00:00:00"), CC=numeric(1000), stringsAsFactors=FALSE)

它满足我想要的数据帧类型(str(cb)的输出):

'data.frame':   1000 obs. of  5 variables:
 $ S : chr  "" "" "" "" ...
 $ I : num  0 0 0 0 0 0 0 0 0 0 ...
 $ A : Date, format: "1900-01-01" "1900-01-01" "1900-01-01" "1900-01-01" ...
 $ SD: POSIXct, format: "1900-01-01" "1900-01-01" "1900-01-01" "1900-01-01" ...
 $ CC: num  0 0 0 0 0 0 0 0 0 0 …

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")

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？