Domande taggate «r»

Comprendo il concetto di ridimensionamento della matrice di dati da utilizzare in un modello di regressione lineare. Ad esempio, in R potresti usare: scaled.data <- scale(data, scale=TRUE) La mia unica domanda è, per le nuove osservazioni per le quali voglio prevedere i valori di output, come vengono ridimensionati correttamente? Sarebbe …

13 r  regression  prediction  scales 

Ho letto del test t di Student, ma sembra funzionare quando possiamo supporre che le distribuzioni originali siano normalmente distribuite. Nel mio caso, sicuramente no. Inoltre, se ho 13 distribuzioni, devo fare dei 13^2test?

13 r  hypothesis-testing  distributions 

Sto lavorando in R attraverso un eccellente tutorial PCA di Lindsay I Smith e mi sto bloccando nell'ultima fase. Lo script R di seguito ci porta fino allo stadio (a pag.19) in cui i dati originali vengono ricostruiti dal Componente principale (singolare in questo caso), che dovrebbe produrre un diagramma …

13 r  pca 

Sto usando la libreria R 'multcomp' ( http://cran.r-project.org/web/packages/multcomp/ ) per calcolare il test di Dunnett. Sto usando lo script qui sotto: Group <- factor(c("A","A","B","B","B","C","C","C","D","D","D","E","E","F","F","F")) Value <- c(5,5.09901951359278,4.69041575982343,4.58257569495584,4.79583152331272,5,5.09901951359278,4.24264068711928,5.09901951359278,5.19615242270663,4.58257569495584,6.16441400296898,6.85565460040104,7.68114574786861,7.07106781186548,6.48074069840786) data <- data.frame(Group, Value) aov <- aov(Value ~ Group, data) summary(glht(aov, linfct=mcp(Group="Dunnett"))) Ora, se eseguo questo script attraverso la R Console più volte, …

13 r  multiple-comparisons 

Ho eseguito una regressione multipla in cui il modello nel suo insieme è significativo e spiega circa il 13% della varianza. Tuttavia, devo trovare la quantità di varianza spiegata da ciascun predittore significativo. Come posso fare questo usando R? Ecco alcuni dati e codice di esempio: D = data.frame( dv …

13 r  regression  variance 

In R (2.15.2) ho montato una volta un ARIMA (3,1,3) su una serie temporale e una volta un ARMA (3,3) sulla serie temporale una volta differenziata. I parametri adattati differiscono, che ho attribuito al metodo di adattamento in ARIMA. Inoltre, il montaggio di un ARIMA (3,0,3) sugli stessi dati di …

13 r  time-series  arima  fitting  arma 

Ho lavorato su un modello logistico e ho delle difficoltà a valutare i risultati. Il mio modello è un logit binomiale. Le mie variabili esplicative sono: una variabile categoriale con 15 livelli, una variabile dicotomica e 2 variabili continue. La mia N è grande> 8000. Sto cercando di modellare la …

13 r  logistic  goodness-of-fit  roc 

È possibile eseguire un'analisi di potenza per i test U di Kruskal-Wallis e Mann-Whitney? Se sì, ci sono pacchetti / funzioni R che lo eseguono?

13 r  nonparametric  power-analysis  kruskal-wallis 

Ho condotto un glm.nb di glm1<-glm.nb(x~factor(group)) con group essendo un categoriale e x essendo una variabile metrica. Quando provo a ottenere il riepilogo dei risultati, ottengo risultati leggermente diversi, a seconda se utilizzo summary()o summary.glm. summary(glm1)mi da ... Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.1044 0.1519 0.687 0.4921 …

13 r  generalized-linear-model  negative-binomial 

Ho i risultati dello stesso test applicato a due campioni indipendenti: x <- c(17, 12, 13, 16, 9, 19, 21, 12, 18, 17) y <- c(10, 6, 15, 9, 8, 11, 8, 16, 13, 7, 5, 14) E voglio calcolare un test di somma dei ranghi di Wilcoxon. Quando calcolo …

13 r  wilcoxon-mann-whitney  wilcoxon-signed-rank 

Per i dati approssimativamente normalmente distribuiti, i grafici a scatole sono un ottimo modo per visualizzare rapidamente la mediana e la diffusione dei dati, nonché la presenza di eventuali valori anomali. Tuttavia, per le distribuzioni a coda pesante, molti punti sono indicati come valori anomali, poiché i valori anomali sono …

13 r  distributions  data-visualization  data-transformation  ggplot2 

Ho una serie di valori ed y che sono teoricamente correlati esponenziale:xxxyyy y=axby=axby = ax^b Un modo per ottenere i coefficienti è applicare logaritmi naturali su entrambi i lati e applicare un modello lineare: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Un altro modo per …

13 r  regression  linear-model  model-selection  nonlinear-regression 

Sto usando il pacchetto R lavaan per stimare un modello di equazione strutturale. Supponiamo che il modello sia composto da 1 variabile manifest endogena con 1 variabile esplicativa latente e 2 manifest: group = {0,1} attitude1 = latent,scale age = respondent's age Il modello lavaan desiderato è quindi (non funziona): …

13 r  interaction  sem  lavaan 

modificare Ho trovato un documento che descrive esattamente la procedura di cui ho bisogno. L'unica differenza è che il documento interpola i dati medi mensili a quelli giornalieri, preservando al contempo le medie mensili. Ho difficoltà a implementare l'approccio R. Eventuali suggerimenti sono apprezzati. Originale Per ogni settimana, ho i …

13 r  time-series  interpolation 

Ho eseguito PCA su 25 variabili e ho selezionato i migliori 7 PC utilizzando prcomp. prc <- prcomp(pollutions, center=T, scale=T, retx=T) Ho quindi fatto la rotazione varimax su quei componenti. varimax7 <- varimax(prc$rotation[,1:7]) E ora vorrei varimax ruotare i dati ruotati da PCA (poiché non fa parte dell'oggetto varimax - …

13 r  pca  factor-rotation