Pertanyaan yang diberi tag «lm»

Untuk pemahaman saya sendiri, saya tertarik untuk secara manual mereplikasi perhitungan kesalahan standar estimasi koefisien sebagai, misalnya, datang dengan output dari lm()fungsi R, tetapi belum dapat menjabarkannya. Apa formula / implementasi yang digunakan?

114 r  regression  standard-error  lm 

Secara khusus, saya ingin tahu apakah ada perbedaan antara lm(y ~ x1 + x2)dan glm(y ~ x1 + x2, family=gaussian). Saya pikir kasus glm ini sama dengan lm. Apakah aku salah?

45 r  normal-distribution  generalized-linear-model  lm 

Saya ingin berasumsi bahwa suhu permukaan laut dari Laut Baltik adalah tahun yang sama tahun demi tahun, dan kemudian menggambarkannya dengan model fungsi / linier. Gagasan yang saya miliki adalah hanya memasukkan tahun sebagai angka desimal (atau num_months / 12) dan keluar berapa suhu yang seharusnya sekitar waktu itu. Melemparkannya …

37 r  regression  time-series  lm 

Apa rumus tepat yang digunakan dalam R lm() untuk Adjusted R-squared? Bagaimana saya bisa menafsirkannya? Formula r-squared yang disesuaikan Tampaknya ada beberapa rumus untuk menghitung R-kuadrat Disesuaikan. Formula Wherry:1 - ( 1 - R2) ( n - 1 )( n - v )1-(1-R2)(n-1)(n-v)1-(1-R^2)\frac{(n-1)}{(n-v)} Formula McNemar:1 - ( 1 - R2) …

35 r  regression  r-squared  lm  shrinkage 

Kita dapat menggunakan lm()untuk memprediksi nilai, tetapi kita masih membutuhkan persamaan rumus hasil dalam beberapa kasus. Misalnya, tambahkan persamaan ke plot.

29 r  regression  lm 

Sebagai pendahuluan untuk pertanyaan tentang model linear-campuran dalam R, dan untuk berbagi sebagai referensi bagi para pecinta statistik pemula / menengah, saya memutuskan untuk memposting sebagai "gaya Tanya Jawab" yang independen, langkah-langkah yang terlibat dalam perhitungan "manual" dari koefisien dan nilai prediksi regresi linier sederhana. Contohnya adalah dengan dataset R-built-in …

22 r  regression  linear-model  lm 

Saya memiliki sebidang nilai residual dari model linier dalam fungsi nilai-nilai pas di mana heteroskedastisitas sangat jelas. Namun saya tidak yakin bagaimana saya harus melanjutkan sekarang karena sejauh yang saya mengerti heteroskedastisitas ini membuat model linier saya tidak valid. (Apakah itu benar?) Gunakan fitting linier yang kuat menggunakan rlm()fungsi MASSpaket …

19 r  generalized-linear-model  heteroscedasticity  lm 

Saya ingin melakukan tes W Shapiro Wilk dan tes Kolmogorov-Smirnov pada residu model linier untuk memeriksa normalitas. Saya hanya bertanya-tanya residual apa yang harus digunakan untuk ini - residu mentah, residu Pearson, residu pelajar atau residu terstandarisasi? Untuk uji W Shapiro-Wilk tampak bahwa hasil untuk residu baku & Pearson identik …

13 r  regression  residuals  normality-assumption  lm 

Latar Belakang Saya mencoba untuk memahami contoh pertama dalam kursus model pas (jadi ini mungkin tampak sangat sederhana). Saya sudah melakukan perhitungan dengan tangan dan mereka cocok dengan contoh, tetapi ketika saya ulangi dalam R, koefisien model tidak aktif. Saya pikir perbedaannya mungkin karena buku teks menggunakan varians populasi ( …

13 r  regression  self-study  lm 

Saya mencoba mereproduksi beberapa uji interaksi antara keduanya lmdan lmerpada tindakan berulang (2x2x2). Alasan saya ingin membandingkan kedua metode ini adalah karena GLM SPSS untuk tindakan berulang menghasilkan hasil yang sama persis dengan lmpendekatan yang disajikan di sini, jadi pada akhirnya saya ingin membandingkan SPSS vs R-lmer. Sejauh ini, saya …

10 anova  mixed-model  lme4-nlme  repeated-measures  lm 

Bisakah Anda memberi saya contoh penggunaan estimator sandwich untuk melakukan inferensi regresi yang kuat? Saya dapat melihat contohnya ?sandwich, tetapi saya tidak begitu mengerti bagaimana kita dapat beralih dari lm(a ~ b, data)( r -code) ke estimasi dan nilai p yang dihasilkan dari model regresi menggunakan matriks varians-kovarians yang dikembalikan …

10 r  regression  lm  sandwich 

Saya hanya mencoba untuk menghitung ulang dengan dnorm () log-kemungkinan yang disediakan oleh fungsi logLik dari model lm (dalam R). Ini berfungsi (hampir sempurna) untuk jumlah data yang tinggi (mis. N = 1000): > n <- 1000 > x <- 1:n > set.seed(1) > y <- 10 + 2*x + …

10 r  generalized-linear-model  likelihood  lm 

Saya memiliki GLMM formulir: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Ketika saya menggunakan drop1(model, test="Chi"), saya mendapatkan hasil yang berbeda daripada jika saya menggunakan Anova(model, type="III")dari paket mobil atau summary(model). Dua yang terakhir ini memberikan jawaban yang sama. Menggunakan banyak data yang …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Seorang kolega saya mengirimi saya masalah ini yang tampaknya membuat putaran di internet: If $3 = 18, 4 = 32, 5 = 50, 6 = 72, 7 = 98$, Then, $10 =$ ? Jawabannya sepertinya 200. 3*6 4*8 5*10 6*12 7*14 8*16 9*18 10*20=200 Ketika saya melakukan regresi linier di …

9 r  regression  lm 

Cangkok berikut diambil dari artikel ini . Saya pemula untuk bootstrap dan mencoba mengimplementasikan bootstrap parametrik, semiparametrik, dan nonparametrik untuk model campuran linier dengan R bootpaket. Kode R Ini Rkode saya : library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn <- …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography