我正在运行一个简单的比赛时间与温度的回归,只是为了发展一些基本的直觉。我的数据集非常大,每个观察值都是给定比赛中一个单位在给定年份中的比赛完成时间。
对于起跑者,我正在运行一个非常简单的关于温度箱的比赛时间回归。
temp变量摘要:
|
Variable | Obs Mean Std. Dev Min Max
------------+--------------------------------------------
avg_temp_scc| 8309434 54.3 9.4
我试着用R进行线性回归,使用分类属性,并观察到对于我所拥有的每个不同的因子级别,我没有得到一个系数值。
请看下面的代码,我有5个因素水平的州,但只看到4个值的系数。
> states = c("WA","TE","GE","LA","SF")
> population = c(0.5,0.2,0.6,0.7,0.9)
> df = data.frame(states,population)
> df
states population
1 WA 0.5
2 TE
我正在建立一个包含大约40个变量的数据集的logistic回归模型。在构建这些类型的模型时,我使用的第一步是使用DV统一运行每个变量(Hosmer,Lemeshow,& Sturdivant,2013年)。我为我构建了一个函数,并返回每个函数的p值。
Fit Univariate logistic regression model for each covariate
uni.log2 <- function(x) {
log.mod2 <- glm(Renewf ~ x, data = dt.train2, family = binomial())
return(
我正在学习AMPL,以加快一个模型,目前在excel电子表格与excel解决程序。它基本上是基于一个1xm变量和一个m参数的矩阵乘法结果。它可以找到变量,使结果中某些值的最小值最大化,同时保持相同结果中的其他值满足几个约束条件。在AMPL如何做到这一点?
Given: P= m x n parameters
Variable: X= 1 x m variable we tried to solve
Calculate: R= X x P , result of matrix multiplication of X and P
Maximize: min(R[1..3]), the minimu