我正在运行分位数回归(因为我的线性回归残差不是正态分布的),以研究地中海饮食和炎症标志物的关系。当我建立模型时,我得到了beta系数和标准误差加上p值的输出,以及置信区间。然而,一旦我对低水平和高水平的运动进行分层,就不再有标准误差的输出。有什么想法吗?enter image description here
如果您还记得Tufte构思的一个很好的表版本,它包括在相应数据行旁边运行的小四分位数图:在R中使用和函数qTable实现了这样的解决方案,它基本上创建了上面所示的表,并将其输出为LaTeX代码qTable(X,filename="res.tex")#this will save qTable in tex format in current dir
我想找到最接近Stata输出的R实现,用于拟合具有异方差校正标准误差的最小二乘回归函数。具体地说,我希望修正后的标准误差出现在“总结”中,而不必为我的第一轮假设检验做额外的计算。我正在寻找一个像Eviews和Stata提供的那样“干净”的解决方案。到目前为止,使用"lmtest“包,我能想到的最好的方法是:
model <- lm
这是我考试中的一道我不懂的例题。观察到的空调设备出现故障的等待时间分别为3、5、7、18、43、85、91、98、100、130、230和487。假设您想要估计失败的中位数等待时间的标准误差。给出一个精确的描述,您将如何使用非参数bootstrap估计该标准误差。我在R中的代码给出了一个错误:
x <- c(3,5,7,18,43,85,9