0
我正在嘗試對可靠性數據進行趨勢分析。一個典型的案例是確定指定工廠的特定系統的需求率是否存在10年的趨勢。我如何構造數據以使用R lmer
我想生成一個測試用例，但對如何構造數據有點困惑。趨勢年份範圍從2004年到2013年。在我的測試案例中，每年有10個系統需要計算。我每年使用不同方式和差異的正態分佈需求計數。當然，實際數據每年可能不會有相同的系統計數，並且需求計數不一定是正態分佈的。
下列R-代碼產生似乎是合理的數據幀（DF1）對我說：
yr <- 2004:2013
y2004 <- rnorm(10, 10, 3)
y2005 <- rnorm(10, 11, 2)
y2006 <- rnorm(10, 12, 1)
y2007 <- rnorm(10, 13, 5)
y2008 <- rnorm(10, 14, 3)
y2009 <- rnorm(10, 15, 4)
y2010 <- rnorm(10, 16, 1)
y2011 <- rnorm(10, 17, 2)
y2012 <- rnorm(10, 18, 4)
y2013 <- rnorm(10, 19, 1)
df1 <- data.frame(cbind(yr), y2004, y2005, y2006, y2007, y2008, y2009, y2010, y2011, y2012,y2013)
df2 <- data.frame(cbind(rep(0.0, 100), rep(0.0, 100)))
names(df2) <- c("x", "y")
k <-1
for (i in 1:10) {
for (j in 1:10) {
df2$x[k] <- df1$yr[i]
df2$y[k] <- df1[j,i+1]
k <- k + 1
}
}
boxplot(y ~ x, df2)
不管怎樣，我的第一個問題是DF2的建設似乎沒有必要給予我已經在DF1中的數據 - 這是隻是對lmer的呼叫似乎需要組織df2。我來電話11聚物如下所示：
fit <- lmer(y ~ x + (1|x), data=df2)
那麼，有沒有使用沒有11聚物DF2建設的方式，直接使用DF1？還是有更好的方法來完成數據結構？
我的第二個問題是我不確定如何使用lmer來做我想做的事。基本上我正在尋找每年的計數數據，並用一條直線符合每年的平均需求數。最佳擬合應考慮每個彙集年份組數據的差異。我正確地進行了嗎？