lm

    1熱度

    1回答

    隨機正常日期的簡單迴歸失敗,但具有小整數而不是日期的相同數據按預期工作。 # Example dataset with 100 observations at 2 second intervals. set.seed(1) df <- data.frame(x=as.POSIXct("2017-03-14 09:00:00") + seq(0, 199, 2), y=rnorm

    -1熱度

    1回答

    我知道lm(y~. , data) 但我想了解一下相反的方向 如果我希望把多個y以LM功能,我應該怎麼辦呢?用於?循環? 我期望的結果是越來越每個p值和Y的值的β只有一個X.

    0熱度

    1回答

    假設我有一個公式(例如,myformula <- y ~ x1 + x2)和一個數據集d。爲了診斷目的,我想看看最後在我的線性迴歸中使用的觀察結果(r <- lm(myformula, data=d))。這基本上需要根據d建立一個包含y,x1和x2的數據框,並刪除所有缺少數據的觀測數據(complete.obs)。或者,也許,操縱r對象的內容? 建議讚賞。 /IAW

    0熱度

    1回答

    我有一個迴歸與許多定性的相互作用和一些組合沒有任何意見。如何排除summary.lm()輸出中沒有觀測值的相互作用係數?

    2熱度

    1回答

    standardize()arm包因爲我使用as.formula定義formula對象並在lm(formula, data = df)中使用它而失敗。 選項A(我不想)將lm以外的輸入標準化。選項B嘗試(並失敗)來標準化lm對象。 (注意:保持我的循環結構,因爲我的實際使用情況是一個比較複雜一點) # create data library(arm) set.seed(324)

    0熱度

    1回答

    我正在學習如何在R中進行迴歸,並且我決定嘗試將GOOG退化爲AAPL。 這裏就是我所做的 getSymbols("AAPL", from="2011-01-01", to="2013-01-01") getSymbols("GOOG", from="2011-01-01", to="2013-01-01") lmdata=data.frame(Cl(AAPL),Cl(GOOG)) res=l

    2熱度

    2回答

    假設我有X1,...,X14潛在預測變量。 現在對於一個給定的Y我想要做的OLS方案: Y~X1+X2 Y~X1+X3 .... Y~X1+X14 .... Y~X14+X13 這基本上是所有的所有預測的兩種組合。在創建所有這些迴歸之後,我想在predict函數中使用它們(如果可能的話)。 我的問題是:我如何通過迴歸的兩種組合來完成所有這些迴歸?

    0熱度

    1回答

    給出R中的擬合模型(即類'lm','glm','merMod'等的對象),我試圖找出如何計算新數據集的概率。也就是說,我希望數據集B的概率(密度)在通過將模型擬合到數據集A而獲得的參數估計之下。我知道如何做到這一點,但我想知道一個簡單的預先存在的函數可以在R中做到這一點。是否有一個簡單的功能來做到這一點? This question是非常相似的,但我想這樣做的R.

    0熱度

    1回答

    我想在R中的plot_ly()周圍編寫一個自定義函數。這樣,​​我可以使用一系列散點圖相同的格式和樣式,但不重複的代碼。 I used this page as a guide.此代碼再現錯誤: library(plotly) my_plot <- function(x, y, ...) { require(broom) plot_ly(data = mtcars, y =

    1熱度

    1回答

    在stackoverflow.com/q/38378118中詢問過此問題,但沒有滿意的答案。 λ= 0的LASSO相當於普通最小二乘法,但在R中glmnet()和lm()似乎不是這種情況。爲什麼? library(glmnet) options(scipen = 999) X = model.matrix(mpg ~ 0 + ., data = mtcars) y = as.matrix(