小编Chi*_*ang的帖子

在最新版本的R(3.4.1),Mac(10.12.5)和Java VM(1.8.0_131,x86_64 :)中,我遇到了rJava的问题.

问题:

我试着按照这个指南

scottdhoover.wordpress.com/2013/03/05/a-basic-rjava-example/

能够在R中运行rJava

来自r的一些代码:

library(rJava).jinit("").jclassPath()[1]"/ Library/Frameworks/R.framework/Versions/3.4/Resources/library/rJava/java"

小号< - .jnew( "爪哇/郎/字符串", "!Hello World" 的).jcall(S, "I", "长度")[1] 12

所以实际上工作..但是当我尝试使用我的文件时:

.jaddClassPath("/ Users/Camilo/Desktop/20170711_Java2R").jclassPath()[1]"/ Library/Frameworks/R.framework/Versions/3.4/Resources/library/rJava/java""/ Users/Camilo/Desktop/20170711_Java2R"

myExchange < - .jnew( "myExchange")在.jnew错误( "myExchange"):抛出java.lang.ClassNotFoundException

文件myExchange.java与指南中的文件相同,位于桌面的文件夹中.

我做了什么:

基本上我试图从R安装rJava并没有工作.然后我遵循两个指南,以便能够从源加载R中的包rJava

我遵循了这个指南:

https://github.com/snowflakedb/dplyr-snowflakedb/wiki/Configuring-R-rJava-RJDBC-on-Mac-OS-X(能够加载rJava)

哪里都有

   R CMD javareconf
   /usr/libexec/java_home -V

看起来应该是这样.

要摆脱人们通常拥有的OpenMP问题,请遵循以下指南:

http://thecoatlessprofessor.com/programming/openmp-in-r-on-os-x/#clang-before-3-4-0(摆脱所有人都有的OpenMP问题).

最后,我使用此代码创建了一个符号链接

  sudo ln -f -s $(/usr/libexec/java_home)/jre/lib/server/libjvm.dylib /usr/local/lib

我能够从R安装库.

但!当我从终端尝试它时,我得到了这个错误

   ld: library not found for -lomp
   clang-4.0: error: linker command failed with exit code 1 (use -v to see    invocation)
   make[2]: *** [libjri.jnilib] Error …

我对计算混合模型的 SE 很感兴趣。为此，首先我在一个更简单的模型中使用了包中包含的数据集之一。

pigs$percent <- as.factor(pigs$percent)\nDoc_lm_1 <- lm(conc~percent, pigs) \nsummary(Doc_lm_1)\nemmeans(Doc_lm_1, pairwise~percent)$emmeans\n

输出：

percent emmean   SE df lower.CL upper.CL\n9         32.7 2.92 25     26.7     38.7\n12        38.0 2.76 25     32.3     43.7\n15        40.1 3.12 25     33.7     46.6\n18        39.9 3.70 25     32.3     47.6\n

当我尝试使用平衡数据集时，所有组的 SE 都是相同的，并且与手工制作的 SE 不匹配。我想在这种情况下不会考虑任何因素，但它仍然应该与手工制作的SE相匹配

难道SE就是参数的SE吗？正如我们在表中看到的，当数据不平衡时，组间的 SE 会有所不同。我的假设基于以下事实：该包的 cran 项目网站表明（https://cran.r-project.org/web/packages/emmeans/vignettes/basics.html#backstory）：

估计边际均值基于模型 \xe2\x80\x93，而不是直接基于数据”

所以我问我，SE是如何计算的？添加随机因子将如何改变这个计算？提前致谢。