lm

    0热度

    1回答

    我有一个有三个变量的矩形表:国家,年份和通货膨胀。我已经拥有了所有可以描述的描述,现在我需要做一些分析,并且认为我应该对目标国家进行一些线性回归。我最好的想法是创建一个名为inflation.in.country.x的新变量,并在这个新列中循环遍历x的通货膨胀,但似乎有些不清楚的解决方案。 如何获得矩形数据表的线性回归?结构是这样的: > dat %>% str 'data.frame': 11

    4热度

    1回答

    我的第一个问题这里:) 我的目标是:考虑到与预测的数据帧(每列一个预测器/行的观察结果)使用LM拟合回归,然后预测使用滚动窗口使用上次观察的值。 数据帧看起来像: > DfPredictor[1:40,] Y X1 X2 X3 X4 X5 1 3.2860 192.5115 2.1275 83381 11.4360 8.7440 2

    0热度

    1回答

    我有一个有多个因素的数据库。我想迭代每个变量的每个因子的回归,但对于整个数据库。例如: for (i in unique(db$Product)) { for (j in unique(db$Super)) { for (c in unique(db$Category)) { db$prueba <- lm(prueba ~ 0 + as.factor(Super)[j] *

    0热度

    1回答

    我试图使用,以适应betaregression模型betaregpackage对这些数据的betaregfunction: df <- data.frame(category=c("c1","c1","c1","c1","c1","c1","c2","c2","c2","c2","c2","c2","c3","c3","c3","c3","c3","c3","c4","c4","c4","c4",

    2热度

    2回答

    我试着在这里搜索了一段时间,但是我没有真正找到解决我的问题的方法。我想要一个简单的方法来获得拟合模型的方程,并将其与我的原始数据一起显示。 这里是到目前为止的工作代码: #the dataframe: library(ggplot2) df<-data.frame(x=c(0,3,5,7,9,14),y=c(1.7,25.4,185.5,303.9,255.9,0.0)) #fitting

    1热度

    1回答

    我试图从回归运行中逐像素提取NDVI /降水栅格叠加中的残差。当我用我的一小部分数据运行它时,我的脚本就可以工作。但是,当我尝试运行整个研究区域时,我得到:“setValues(out,x)中的错误:值必须是数字,整数,逻辑或因子” 因为我可以提取斜率和拦截。我只是不能提取残差。 任何想法如何解决这个问题? 这里是我的脚本: setwd("F:/working folder/test") gim

    0热度

    1回答

    是 lm(y~poly(x1, x2,x3, degree=2, raw=TRUE), data) 等于 lm(y~x1 + x2 + x3 + x1*x2 + x1*x3 + x2*x3 + x1^2 + x2^2 + x3^2 , data) ? 如果是,为什么我们需要设置raw=TRUE?

    -2热度

    1回答

    任何人都可以请解释如果我们仅仅传递数据帧作为参数,lm()的工作原理。例如,我正在运行lm(split(mtcars,mtcars$cyl)[[1]])。 lm如何解释这个,输出是什么意思? 谢谢。

    1热度

    1回答

    我想写使用tidyeval(非标准评价)。采用基础R NSE围绕“LM”的功能,它的工作原理: lm_poly_raw <- function(df, y, x, degree = 1, ...){ lm_formula <- substitute(expr = y ~ poly(x, degree, raw = TRUE), env = list(y = su

    1热度

    1回答

    我在R.初学者这是一个非常简单的代码,我正在努力挽救残差项: # Create variables for child's EA: dat$cldeacdi <- rowMeans(dat[,c('cdcresp', 'cdcinv')],na.rm=T) dat$cldeacu <- rowMeans(dat[,c('cucresp', 'cucinv')],na.rm=T) # Cr