这是我的数据:
我今天启动了R,突然之间,我无法从回归模型中得到p值!lme4版本1.1.26
我仍然可以用sjPlot::tab_model(数据$DV1,p.val = "kr")获得它们。
library(lme4)
summary(lmer(dv1 ~ group + (1|id),
data=data,
REML=T))
Linear mixed model fit by REML ['lmerMod']
Formula: dv1 ~ group + (1 | id)
Data: regress
我想在R中运行一个分位数回归,它包括一个三向交互作用项,在中位数(tau = 0.5)处有三个分类预测因子。为了解释这种效果,我想创建一个情节。对于线性模型,我使用"effects“包中的函数effect()。不幸的是,这不适用于包"quantreg“中的rq()。关于如何展示互动效果,您有什么建议吗?
library(quantreg)
data(mtcars)
summary(rq(formula = mpg ~ vs * am * carb, tau = 0.5, data = mtcars))
来自R包effects的函数effects有一个错误,可以通过添加3行代码来解决。
我有下面的解决方案,但有没有办法从R包effects实现对effects的这种更改?
我打算间接使用Effect.lm() (通过另一个函数),并且更改必须由其他用户复制。
ps。我认为可能是相关的。不幸的是,@ Bolker的答案(他的R代码),正如他提到的,并没有达到我上面的目标。
library(effects)
# Delete line 164 in the following
View(effects::Effect.lm)
# Then, in its place, add the follo
我正在尝试使用R中的plm软件包为面板数据开发一个固定效应回归模型。我想获得固定效应和回归变量之间的相关性。类似于Stata输出中的corr(u_i,Xb)。如何将其放入R中?我已经尝试了以下方法(使用plm包中的内置数据集):
data("Grunfeld", package = "plm")
library(plm)
# build the model
gi <- plm(inv ~ value + capital, data = Grunfeld, model = "within")
# extract the fixed e
我试图用R软件包Stargazer构建一个回归表,其中包含4种不同的lm模型。我的数据包含x,y和两个分类变量。根据模型的不同,我要么包含无、一个或两个范畴变量。但是,我不希望在回归中显示分类变量的值,而是将它们作为参数传递给占星者命令中的省略参数。但是,对于模型4,我没有得到预期的Yes/No输出,说明是否包含该模型的分类变量。
下面是一个最低限度的工作示例:
library(stargazer)
set.seed(42)
x <- rnorm(100, mean = 100, sd = 5)
e <- rnorm(100, mean = 0, sd = 10)
y <-
我正在使用Orange数据集来说明我的问题。在这个数据集中,每棵树的周长和树龄都被测量了几次。比方说,我们需要找到树围和年龄之间的相关系数。因为这两个变量包括重复测量。变量不是iid,所以我们不应该使用简单的线性回归。我使用线性混合模型对数据进行建模(lme4)
fit<-lmer(circumference~age+(1|Tree), data=Orange)
summary(fit)
以下是输出:
Linear mixed model fit by REML ['lmerMod']
Formula: circumference ~ age + (1 | Tree)
我正在寻找一种有效的方法,从DataFrame列中的字符串中删除不需要的部分。
我的数据:
Passengers
1 Sally Muller, President, Mark Smith, Vicepresident, John Doe, Chief of Staff
2 Sally Muller, President, Mark Smith, Vicepresident
3 Sally Muller, President, Mark Smith, Vicepresident, John Doe, Chief of Staff
4 Mark Smith,