小编ded*_*ede的帖子

我需要将一些数据转换为"正常形状",并且我读到Box-Cox可以识别用于转换数据的指数.

对于我的理解

car::boxCoxVariable(y)

用于线性模型中的响应变量,和

MASS::boxcox(object)

对于公式或拟合的模型对象.因此,因为我的数据是数据帧的变量,所以我发现我可以使用的唯一函数是:

car::powerTransform(dataframe$variable, family="bcPower")

那是对的吗？或者我错过了什么？

第二个问题是关于我获得之后要做什么

Estimated transformation parameters
dataframe$variable
0.6394806

我应该简单地将变量乘以这个值吗？我这样做了:

aaa = 0.6394806
dataframe$variable2 = (dataframe$variable)*aaa

然后我运行shapiro-wilks测试的正常性,但我的数据似乎不遵循正态分布:

shapiro.test(dataframe$variable2)
data:  dataframe$variable2
W = 0.97508, p-value < 2.2e-16

和其他许多人一样,我在运行一个使用包lme4中的glmer功能的模型时遇到了麻烦.

这是我的模型:

model = glmer(depvar ~ variety*cover+amplitude+time+ (1|pp) + (1|stim), 
  data = datafile, family=poisson)

这是我得到的警告:

Warning message:
In checkConv(attr(opt, "derivs"), opt$par, 
  ctrl = control$checkConv,  :
    Model failed to converge with max|grad| = 0.00606839 
   (tol = 0.001, component 1)

我在这个链接上看到,如果我添加

control=glmerControl(optimizer="bobyqa",optCtrl=list(maxfun=100000))

在我的模型的最后,我解决了这个问题.我试过,所以我的模型现在是:

model = glmer(depvar ~ variety*cover+amplitude+time+ 
   (1|pp) + (1|stim), data = datafile, family=poisson,
    control=glmerControl(optimizer="bobyqa",
            optCtrl=list(maxfun=100000)))

它没有给出任何警告信息.

我想问一下是否有人可以解释我在模型中添加的内容,因为我不确定我是否理解它.此外,这是解决警告问题的可接受的解决方案吗？或者任何人以不同的方式解决它？

非常感谢.

没有的输出control=glmerControl(optimizer="bobyqa", optCtrl=list(maxfun=100000)))是:

Generalized linear mixed model fit by maximum likelihood (Laplace Approximation) ['glmerMod']
 Family: poisson  ( log ) …

我正在尝试在循环中使用stringi库中的函数stri_join ，但我遇到了困难。我想获取“A_1.png”，“A_2.png”，“A_3.png”，“A_4.png”，“A_5.png”，依此类推，直到“A_200.png”。

 x <- c(1:200)
 x
 for (i in 1:length(x)){
   Names <-paste("A_", 1:length(i), ".png",sep = "")
   print(Names)
 }