glm

    -1熱度

    1回答

    制度上限制使用SAS(是的,我知道)。我有一個在Stata/R中運行的基本規範沒有問題:分數邏輯模型(Papke Wooldridge 1996)。這是一個具有二項分佈假設和logit連接函數的GLM。數據上下文是單位間隔百分比數據中的固定時間序列。 在Stata這是很容易爲 glm Y X, family(binomial) link(logit) R中運行它是 aModel <- glm(

    0熱度

    1回答

    我正在使用glm生成模型擬合。我的數據混合了整數變量和分類變量。分類變量採用代碼的形式,因此是數據中的整數類型。最初,當我嘗試生成模型時,我按原樣傳遞了整數格式的分類變量並獲取了模型。我正在查看p值來檢查一次是否顯着,並注意到一些我並不期望的變量是顯着的。 這是當意識到可能是整數表中的分類變量形式創建一些問題。所以就像代碼3可能比代碼1更重要(不確定這一點,如果有人可以確認這個這將是很好的)。在做

    -3熱度

    1回答

    我想使用預測函數來預測邏輯迴歸的值,我得到的行數不正確。此問題已被詢問 R Warning: newdata' had 15 rows but variables found have 22 rows 我試過了這個方法,但我仍然得到錯誤。下面是代碼 # Split as training and test sets train_idx <- trainTestSplit(adult,trainP

    1熱度

    1回答

    我試圖運行bestglm命令,但得到錯誤消息 錯誤,如果(任何(Column1Test))停止( 「1的列不能用於攔截總是包含!」):缺少值,其中TRUE/FALSE需要 以下是bestglm函數的錯誤消息的源代碼: #Test if there is a column of 1's in X. #Only do this test if: #1) X contains at least on

    0熱度

    1回答

    關於h2o.glm lambda search not appearing to iterate over all lambdas,我讀到這個問題,抱怨lambda太高;他們試圖設置early_stopping=F,希望能解決這個「bug」。 是不是原來的行爲是一個功能,而不是一個錯誤?如果這是正確的,那麼當使用GLM進行交叉驗證時,您應始終使用early_stopping=T,否則交叉驗證的錯誤

    0熱度

    1回答

    在R中我使用二項因變量擬合個人級別數據的GLM(logit)。 但是,我想繪製一個聚合水平上的擬合(即在y軸上的成功百分比)。既要繪製已實現數據的分散(聚合)和迴歸線,最簡單的方法是什麼? 我已經嘗試過使用stat_smooth()的ggplot,但是如果我在聚合級別上進行分散,那麼glm也將適用於此聚合級別。 library(datasets) data(mtcars) fit <- glm

    1熱度

    2回答

    我想進行重複測量分析/縱向數據到以下問題: 「有在的區域被分析的16個樹和在B地區有16個。在每個地區,冬季分析8棵樹,夏季分析8棵樹,但它們不是同一棵樹。考慮到在對每棵樹直徑五個不同深度的starch's知覺。」 tree Region season depth starch 1 A W 1 0.07 1 A W 2 0.10 1 A W 3 0.13 1 A

    0熱度

    1回答

    軟件包pymc3和statsmodels可以在Python處理負二項式GLMS如圖here: E(Y)= E ^(beta_0 +西格瑪(X_I * beta_i)) 在哪裏X_i s是我的預測變量,Y是我的因變量。有沒有辦法強制我的變量(例如X_1)具有beta_1=1,以便算法優化其他係數。我願意同時使用pymc3和statsmodels。謝謝。

    1熱度

    1回答

    我的問題是統計和R相關的混合。我試圖從Bebber等人實現一個模型。 (使用發現曲線預測未知物種的數量)來估計我的數據集中未發現物種的總數(通過查找物種的預期總數)以及圍繞預測物種總數的置信區間。 (St)= k(Ntot-Nt-1)給出了物種總數的估計值,它是通過擬合St對Nt-1(具有quasipoisson誤差)的glm計算得到的,其中St是每年的物種數量,Nt-1是前一年的累計物種數量,k

    3熱度

    1回答

    爲什麼我得到 summary(lm(mpg~horsepower + I(horsepower^2),data = Auto))$coef 和 summary(lm(mpg∼poly(horsepower,2) ,data=Auto))$coef PS不同的結果:我練的ISLR