我正在使用R,我已经安装库'rms‘,但我有以下错误:
> library(rms)
Error in library.dynam(lib, package, package.lib) :
DLL ‘colorspace’ not found: maybe not installed for this architecture?
Errore: package ‘ggplot2’ could not be loaded
我能做什么?
我想使用rms软件包中的ols() (普通最小二乘)函数进行多元线性回归,但我不希望它计算截距。使用lm()时,语法如下所示:
model <- lm(formula = z ~ 0 + x + y, data = myData)
其中0停止计算截取,并且只返回两个系数,对于x为on,对于y为另一个。如何在使用ols()时执行此操作?正在尝试
model <- ols(formula = z ~ 0 + x + y, data = myData)
如果不起作用,它仍然分别为x和y返回一个截取和一个系数。
它有五列。在本例中,只能使用前三列:
model <- ols(for
我想绘制回归的预测线,其中包含一个受限制的三次样条,由于模型中的非线性和标准误差带。我可以得到预测的点,但不一定只绘制线和误差带。最好是ggplot,或者基本图形也很好。谢谢。
以下是文档中的一个示例:
library(rms)
# Fit a complex model and approximate it with a simple one
x1 <- runif(200)
x2 <- runif(200)
x3 <- runif(200)
x4 <- runif(200)
y <- x1 + x2 + rnorm(200)
f <- ols(y ~
当我尝试OLS与这两个库相匹配时,我得到了r^2 (决定系数)的不同值,但我不太清楚为什么。(为了方便起见,去掉了一些间隔)
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: import statsmodels.api as sm
In [4]: import scipy.stats
In [5]: np.random.seed(100)
In [6]: x = np.linspace(0, 10, 100) + 5*np.random.randn(100)
In [7]: y = np.arange(
我试着用0.9.1做OLS,但是得到了这个错误:
ipdb> foo = ols(y=df[y_var[1]], x=df[x_var], pool=False )
*** ImportError: No module named scikits.statsmodels.api
我想这个错误来自于ols.py:
try:
import statsmodels.api as sm
except ImportError:
import scikits.statsmodels.api as sm
这是否意味着我安装的熊猫不正确?
我试着做一个简单的OLS回归,
%Demonstrate regression using the ols() function
%Step 1. Load the data
clear;
clc;
y=[1 2 3 4 5]
x=[1 2 3 4 5]
result=ols(y,x);
prt(result);
prt(result);
I am using James LeSages econometric tool box and the OLS function is here,
function re
我很难按照我想要的方式保存for循环的结果。
我当前运行的循环如下所示:
# Setup objects
n = 100
R = (1:1000)
P = seq(-.9, .9, .1)
betahat_OLS = rep(NA, 1000)
Bhat_OLS = rep(NA, 19)
# Calculate betahat_OLS for each p in P and each r in R
for (p in P) {
for (r in R) {
# Simulate data
v = rnorm(n)
e = rnorm(n)
z = rno
我不太明白如何在维度为?×2的矩阵中存储值。这就是我在R中取得的进展: 我的回归:?=?0+?1?+?,其中B0= 1和B1 = -1 set.seed(123)
n = 20
nreps=10000
beta_0 = -1
beta_1 = 1
ols = vector(mode="numeric", length=nreps)
##Start MC
for (r in 1:nreps) {
u = rnorm(n, mean = 0, sd = 1)
x = rnorm(n, mean = 1, sd = 2^2)
y = beta_0 + be
我是一个相当有经验的R用户,但到目前为止,我还没有一个很好的理由来学习使用数据库。现在,我遇到了一个问题,在处理模型输出时,我需要保存到磁盘,然后查询另一个进程。如果数据较小,我会将所有数据存储在一个list中,其中包含分层元素。例如,如果我的对象名为output.OLS:
1> summary(output.OLS)
Length Class Mode
SEP0307 3 -none- list
SEP0308 3 -none- list
SEP0306 3 -none- list
SEN0308 3 -none- list
&
我试图做一个模拟在Stata与1000代表,2个时间段和400个观察。在模拟中,我尝试使用固定效果估计器。有人能帮忙吗?我编写了以下代码:
clear all
global numid = 400
DEFINE PROGRAM THAT SPECIFIES THE DGP
program treatment, rclass
drop _all
*SET NUMBER OF INDIVIDUALS
set obs $numid
*DATA GENERATING PROCESS
generate alpha = rnormal(0,2)