glm

    -2熱度

    1回答

    我估計在python glm。我如何執行Hosmer-Lemeshow善良 這個模型在python中的適合性測試?

    0熱度

    1回答

    我想用R包MCMCglmm來估計一個二項式模型。該模型應包含一個截距和一個斜率 - 既作爲固定部分也作爲隨機部分。我該如何指定一個可接受的prior? (請注意,here is a similar question,但在更復雜的設置。) 假設數據具有以下形式: y x cluster 1 0 -0.56047565 1 2 1 -0.23017749 1 3 0 1.55870831

    2熱度

    1回答

    像this post我在努力處理MCMCglmm的符號,尤其是trait的含義。我的代碼IST以下 library("MCMCglmm") set.seed(123) y <- sample(letters[1:3], size = 100, replace = TRUE) x <- rnorm(100) id <- rep(1:10, each = 10) dat <- data.f

    1熱度

    1回答

    假設我有一個包含兩個分類預測變量(a,b)和一個二元目標(y)變量的數據集。 > df <- data.frame( > a = factor(c("cat1","cat2","cat3","cat1","cat2")), > b = factor(c("cat1","cat1","cat3","cat2","cat2")), > y = factor(c(T,F,T,F,T)) >)

    3熱度

    1回答

    道歉,如果答案是顯而易見的,但我花了相當長的一段時間,試圖在mgcv.gam 總之使用自定義鏈接功能, 我想用從包psyphy(我想用psyphy.probit_2asym,我把它叫做custom_link)改性概率鏈接 我可以創建此鏈接{統計}家庭對象和的「家庭」的說法用它GLM。 m <- glm(y~x, family=binomial(link=custom_link), ...) 爲{m

    0熱度

    1回答

    我剛剛開始學習R和處理有1470個案例的數據集。數據集的名稱是ABC。使用as.factor,我已將分類變量轉換爲因子。 Dept_1 <- as.factor(ABC$Dept) Education_1 <- as.factor(ABC$Education) BusinessTravel_1 <- as.factor(ABC$BusinessTravel) 之後,我已經將數據集分割爲列車

    1熱度

    1回答

    我在運行負二項模型時遇到了一些麻煩。基本上,我有一個包含動物數量的數據集。然而,這種努力是不同的,因此我可以計算每天的動物比率。我用相當大的數據集(> 100000個觀察值)來做這件事。我很驚訝,我找不到涵蓋我的問題的其他主題,如果您知道的話:會有所幫助! 當試圖將模型擬合到我的數據時,我遇到了一些問題。要麼我運行率 ​​ ,然後負二項式模型,我得到以下警告消息: >Warning message

    0熱度

    3回答

    親愛的Stackoverflow社區 我正在R的研究中,我正在做不同家屬的幾項二項邏輯迴歸。這些分析只需稍做改動即可重複進行,我將與我的同事分享結果,最好以漂亮的表格分析結果,而不是混亂的R結果。如果我只做了幾次,我可以做所有的分析作爲單一的迴歸,然後用sjt.glm來製作漂亮的表格。雖然我一遍又一遍地進行這些類似的分析,但我正在使用lapply循環來加速和簡化這個過程。不幸的是,我無法使lapp

    1熱度

    1回答

    我有一個包含96個觀察值和1106個變量的數據框。 我想通過一次只留下一個進行邏輯迴歸。因此,對於第一組觀測值,總共有95個觀測值被刪除,第二組觀測值總共有95個觀測值,第二個觀測值被刪除,等等,以便有95組觀測值,每個觀測值有一個觀測值遺漏了。 此外,我想每次只對一個變量運行每組這些觀察值。對一個變量運行95個觀測值的迴歸後,我想提取p值(忽略截距p值)。 我已經可以一次一個地手動完成所有這些工

    1熱度

    1回答

    的,我目前工作的一個數據集與模型 glm1 <- glm(FALL ~ GRP + AGE + SEX + offset(log(FU)), family=poisson, data=dat) 現在我需要做的瀑布量的預測在一年對於女性誰是控制小組。 我需要做predict函數,但我不知道如何。我試圖做幾件事,最後嘗試了這一點: levels(dat$GRP) levels(dat$SEX)