Questions tagged «r»

特别是，如何计算线性混合效应模型中固定效应的标准误差（从常识上来说）？ 我被认为是典型的估计（，例如Laird和Ware [1982]中提出的估计，将得出SE为的大小被低估了，因为估计的方差成分被视为真实值。Var(β^)=(X′VX)−1Var(β^)=(X′VX)−1{\rm Var}(\hat\beta)=(X'VX)^{-1} 我已经注意到，由R包中的lme和summary函数产生的SE nlme不仅仅等于上述方差-协方差矩阵对角线的平方根。如何计算？ 我还给人的印象是，贝叶斯方法使用反伽马先验来估计方差分量。在正确的设置下，这些结果是否与相同lme？

18 r  mixed-model  random-effects-model 

有人知道R等于SAS PROC FREQ吗？ 我试图一次为多个变量生成摘要描述性统计信息。

18 r  descriptive-statistics  sas 

我正在尝试最小化自定义功能。它应该接受五个参数和数据集，并进行各种计算，并生成一个数字作为输出。我想找到五个输入参数的组合，这些组合产生的函数输出最小。

18 r  optimization 

我有一个点（x，y），我需要一个线性回归器才能通过给定的数据集（X，Y）。如何在R中实现这一点？

18 r  regression 

关闭。这个问题是题外话。它当前不接受答案。 想改善这个问题吗？ 更新问题，使它成为交叉验证的主题。 3年前关闭。 如何将新变量添加到数据框架中，该变量将是变量之一的百分等级？我可以在Excel中轻松完成此操作，但我真的很想在R中执行此操作。 谢谢

18 r  quantiles 

我想测试一个多阶段路径模型（例如，A预测B，B预测C，C预测D），其中所有变量都是嵌套在组中的单个观察值。到目前为止，我已经通过R中的多个独特的多级分析来做到这一点。 我更喜欢使用像SEM这样的技术，该技术可以让我同时测试多个路径（A-> B-> C-> D），并且仍然可以正确处理2级（组中的个人）。 我了解MPLUS可以解决这个问题。我可以使用R包吗？

18 r  multilevel-analysis  sem  path-model 

已锁定。该问题及其答案被锁定，因为该问题是题外话，但具有历史意义。它目前不接受新的答案或互动。 您能为R建议一个易于使用或全面的联合分析软件包吗？

18 r  conjoint-analysis 

已锁定。该问题及其答案被锁定，因为该问题是题外话，但具有历史意义。它目前不接受新的答案或互动。 我想使用R来绘制这样的内容： 跟踪坐标，宽度，高度等似乎是可能的，但是非常复杂。从直觉上看，最好将每个像元视为一个新图并转换每个像元的坐标。有没有办法在R中做到这一点？ 谢谢！

18 r  data-visualization  tables 

我每天都用R。我认为在data.frames，apply（）系列函数，面向对象的编程，矢量化和ggplot2 geoms /美学上。我刚刚开始为主要使用SAS的组织工作。我知道有一本关于为SAS用户学习R的书，但是对于从未使用过SAS的R用户有哪些好的资源？

18 r  sas 

让我们来看下面的例子： set.seed(342) x1 <- runif(100) x2 <- runif(100) y <- x1+x2 + 2*x1*x2 + rnorm(100) fit <- lm(y~x1*x2) 这将使用OLS回归基于x1和x2创建y模型。如果我们希望针对给定的x_vec预测y，则可以简单地使用从中获得的公式summary(fit)。 但是，如果我们要预测y的上下预测怎么办？（对于给定的置信度）。 那我们将如何建立公式？

18 r  regression  predictive-models  prediction-interval 

已锁定。该问题及其答案被锁定，因为该问题是题外话，但具有历史意义。它目前不接受新的答案或互动。 考虑下图： x <- 1:100 y1 <- rnorm(100) y2 <- rnorm(100)+100 par(mar=c(5,5,5,5)) plot(x,y1,pch=0,type="b",col="red",yaxt="n",ylim=c(-8,2),ylab="") axis(side=2, at=c(-2,0,2)) mtext("red line", side = 2, line=2.5, at=0) par(new=T) plot(x,y2,pch=1,type="b",col="blue",yaxt="n",ylim=c(98,108), ylab="") axis(side=4, at=c(98,100,102), labels=c("98%","100%","102%")) mtext("blue line", side=4, line=2.5, at=100) 如何删除自动生成的边框并仅保留轴线以实现Tufte的样式？

18 r  data-visualization 

您好，我有两个问题听起来像是我从未使用过的多级/混合模型的自然候选者。我希望尝试做一个更简单的介绍，如下所示：数据看起来像表单的许多行 x y innergroup outergroup 其中x是要对其进行回归的数值协变量（另一个数值变量），每个y属于一个内部组，每个内部组嵌套在一个外部组中（即，给定内部组中的所有y都属于同一个外部组） 。不幸的是，内部群有很多级别（成千上万），每个级别对y的观察都相对较少，因此我认为这种模型可能是合适的。我的问题是 如何编写这种多级公式？ 一旦lmer拟合模型，如何从中进行预测？我已经找到了一些更简单的玩具示例，但是没有找到预报（）函数。与这种技术的预测相比，大多数人似乎对推理更感兴趣。我有几百万行，所以计算可能是个问题，但是我总是可以适当地减少它。 我将不需要一段时间，但是我不妨开始考虑并尝试使用它。我有和以前相似的数据，但没有x，并且y现在是形式的二项式变量。y也表现出很多过度分散，即使在内部群体中也是如此。n中的大多数不超过2或3（或更小），因此为了得出每个y i的成功率的估算值，我一直在使用β-二项式收缩率估算器（α + k i）/（α + β + n i），在哪里(n,n−k)(n,n−k)(n,n-k)nnnyiyiy_i(α+ki)/(α+β+ni)(α+ki)/(α+β+ni)(\alpha+k_i)/(\alpha+\beta+n_i)通过MLE对每个内部组分别估计 α和 β。这已经足够了，但是数据稀疏仍然困扰着我，所以我想使用所有可用的数据。从一个角度看，这个问题比较容易，因为没有协变量，但是从另一个角度看，二项式性质使它变得更加困难。有人有高（或低！）级指导吗？αα\alphaββ\beta

18 r  mixed-model  maximum-likelihood  generalized-linear-model 

我是R 的ez程序包的作者，并且我正在进行一个更新，以在ANOVA的输出中包括自动计算似然比（LR）。这个想法是为每种效应提供一个LR，类似于ANOVA所达到的那种效应的测试。例如，主要效果的LR表示空模型与包含主要效果的模型的比较，交互作用的LR表示包含组件主要效果的模型与同时包含主要效果和他们的互动等等 现在，我对LR计算的理解来自Glover＆Dixon（PDF），它涵盖了基本计算以及对复杂性的更正，以及Bortolussi＆Dixon的附录（附录PDF），其中涵盖了涉及重复测量变量的计算。为了检验我的理解，我开发了此电子表格，该电子表格从示例ANOVA（使用虚假数据从2 * 2 * 3 * 4设计生成）中提取dfs和SS，并逐步计算每种效果的LR。 如果对这种计算更有信心的人可以看一下并确保我做的一切正确，我将不胜感激。对于那些喜欢抽象代码的人，这是实现对ezANOVA（）的更新的R代码（请参见第15-95行）。

18 r  anova  likelihood-ratio 

我的运动行为（睡眠，久坐和进行体育锻炼所花费的时间）数据总计约为24（以每天的小时数表示）。我想创建一个变量，以捕获在每种行为中花费的相对时间-有人告诉我，等距对数比转换可以完成此任务。 看来我应该在R中使用ilr函数，但是找不到任何带有代码的实际示例。我从哪里开始？ 我的变量是睡眠时间，平均久坐时间，平均平均轻度运动，平均中等强度的运动和平均剧烈运动。睡眠是自我报告的，而其他睡眠则是加速度计数据有效天的平均值。因此，对于这些变量，情况不等于24。 我的猜测：我正在SAS中工作，但是看起来R在这部分将更容易使用。因此，首先仅导入感兴趣变量的数据。然后使用acomp（）函数。然后我无法弄清楚ilr（）函数的语法。任何帮助将非常感激。

18 r  multivariate-analysis  data-transformation  compositional-data 

我cv.glmnet用来查找预测变量。我使用的设置如下： lassoResults&lt;-cv.glmnet(x=countDiffs,y=responseDiffs,alpha=1,nfolds=cvfold) bestlambda&lt;-lassoResults$lambda.min results&lt;-predict(lassoResults,s=bestlambda,type="coefficients") choicePred&lt;-rownames(results)[which(results !=0)] 为了确保结果是可重复我set.seed(1)。结果变化很大。我运行了完全相同的代码100，以查看结果的可变性。在98/100次运行中，总是选择一个特定的预测变量（有时仅靠预测变量）；选择其他预测变量（系数非零）通常为50/100次。 因此对我来说，每次交叉验证运行时，都可能会选择一个不同的最佳lambda，因为折叠的初始随机性很重要。其他人已经看到了这个问题（CV.glmnet结果），但是没有建议的解决方案。 我在想，一个显示98/100的图像可能与所有其他图像高度相关吗？如果我只是运行LOOCV（），结果的确稳定，但是我很好奇为什么当时它们是如此可变。fold-size=nfold-size=n\text{fold-size} = nnfold&lt;nnfold&lt;n\text{nfold} < n

18 r  cross-validation  feature-selection  glmnet