lm

    2

    1答えて

    R^2が曲線全体に理想的ではない曲線のよく似た線形部分を自動的に抽出する方法は? 私が持っているものの例 ため : data.lm x y 1 1 1 2 2 8 3 3 3 4 4 4 5 5 5 6 6 6 7 7 7 8 8 5 9 9 2 10 10 7 rg.lm < - LM(Y〜X、data.lm) rg.lm Coefficients: (Intercep

    2

    1答えて

    私はgradDescent packageについてRの理解に問題があります。私は1つの独立変数を持つデータセットを持っており、このデータに対して簡単な線形回帰を実行してモデルを推定したいとします。そのパラメータはバッチ勾配降下(GD)アルゴリズムを使用します。 たとえば、私はhereで与えられたデータセットを使用しています。最初の列は独立変数(X)で、2番目の列は従属変数(Y)です。 私は自分のR

    2

    1答えて

    私は統計的な目的でRを使用し始めましたが、何か助けに感謝します。 私の仕事は、インデックスから1つのインデックスと20の株を計算することです。データには22列(DATE、INDEX、S1 .... S20)と約4000行(1日1行)が含まれています。 最初に、 "データセット"と呼ばれる.csvファイルをインポートし、計算されたログをこの方法で返し、すべての株 "S1-S20"にINDEXを加えた

    0

    1答えて

    線形モデルに対してデータを予測しようとすると次のエラーが発生します。 警告メッセージ:「NEWDATA」が見つかり101行が、変数は296行 を持っていた次は、データフレームとそのコンポーネントのための計算が書かれているコードスニペット trainingFrame = data.frame(weeksTrainingConv,bugsTraining) validateFrame = data.

    0

    1答えて

    lmModel <- lm(y~.,data.frame(y=y, x=x)) step <- stepAIC(lmModel, direction="both") step$anova 段階的モデル・パス分析 初期モデル: y ~ x.Market.Price + x.Quantity + x.Country + x.Incoterm + x.Channel + x.PaymentTe

    0

    1答えて

    こんにちは、すべて。そこで私は、一部のlm()で生成された回帰の推定値(たとえば、H_0:Beta_j = "some constant" vs H_1:Beta_j < "一定の定数")でt検定を実行する簡単なカスタム関数を書くことにしました。 これは自分のコードを初めて作成するときですが、数ヶ月間Rを使って作業していましたが、私はそれをよく理解していると思いますので、どうして "subscri

    3

    1答えて

    私は自分のx軸の値と目盛りを線形回帰を示すプロットに追加しようとしているので、苦労しています。 私はアブラインを追加するか、軸を追加するようです。私は両方をすることはできません! なぜですか? 例データ: df = data.frame(year = c(1901:2000), total = ceiling(runif(100, 2, 3000))) このコードは()ablineに対してのみ

    -4

    1答えて

    11年間293サイトのデータがあり、各サイトで線形モデルを全年にわたって実行し、取得した勾配値を抽出して追加したいデータに追加します。 、と呼ばれる年また、私は取得したいのですが、可能な場合 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 1 20.8 16.5 21.2 24.6 23.2 26.4 23.8 24.9

    0

    2答えて

    以下のデータがあります。 データ: temperature stage Replicate week Nematode_Number T20 All 1 1 60.0 T20 All 2 1 72.7 T20 All 3 1 69.3 T20 All 4 1 45.3 T20 All 5 1 40

    0

    1答えて

    私は3つのカテゴリ変数(x1、x2、x3)をそれぞれ2つのレベルで持っていると仮定します。 x1 <- as.factor(c(rep(1,5), rep(2,5))) x2 <- sample(x1) x3 <- sample(x1) y <- rnorm (10, 3,3) res1 <- lm (y~ x1+x2+x3) summary(res1) はその後lm関数は、以下の