ITPub博客

 原文链接：http://tecdat.cn/?p=3138 随着lme4包装的进步，使用广义线性混合模型（GLMM）和线性混合模型（LMM）变得越来越容易。由于我们发现自己在工作中越来越多地使用这些模型，我们开发了一套R shiny工具来简化和加速与对象交互的lme4常见任务。  shiny的应用程序和演示演示此应用程序功能的最简单方法是使用捆绑的Shin

原文链接：http://tecdat.cn/?p=3071 结构方程模型入门 介绍对于熟悉线性回归拟合结构方程模型的分析师来说，在R环境中，拟合结构方程模型涉及学习新的建模语法，新的绘图语法以及通常是新的数据输入方法。然而，拟合结构方程模型可以成为分析师工具箱中的强大工具。设置 环境在R中实现SEM有许多不同的包，lavaan软件包为大多数SEM用户提供了全面的功能集，并且具有

原文链接：http://tecdat.cn/?p=3014  前言预测是通过基于来自过去和当前状态的信息来对将要发生的事情做出声明。 每个人每天都以不同程度的成功解决预测问题。例如，需要预测天气，收获，能源消耗，外汇（外汇）货币对或股票，地震和许多其他东西的变动。...预测分析通过分类，深度学习能够在例如图像中的像素和人的名称之间建立相关性。  截

原文链接：http://tecdat.cn/?p=6716 获得R问题的良好帮助的关键是提供最低限度工作的可重复示例（MWRE）。使用R制作MWRE非常简单，它将有助于确保那些帮助您识别错误来源的人，并理想地提交给您，以修复错误，而不是向您发送有用的代码。要拥有MWRE，您需要以下项目：产生错误的最小数据集生成数据所需的最小可运行代码，在提供的数据集上运行有关已使用的软件包，R版本和系统

原文链接：http://tecdat.cn/?p=6761 在逻辑回归中，我们将二元响应\（Y_i \）回归到协变量\（X_i \）上。下面的代码使用Metropolis采样来探索\（\ beta_1 \）和\（\ beta_2 \）的后验YiYi到协变量XiXi。 定义expit和分对数链接函数logit<-function(x){log(x/(1-x))} 

原文链接：http://tecdat.cn/?p=3060 介绍在对诊断测试准确性的系统评价中，统计分析部分旨在估计测试的平均（跨研究）敏感性和特异性及其变异性以及其他测量。灵敏度和特异性之间往往存在负相关，这表明需要相关数据模型。由于用户，分析在统计上具有挑战性处理两个摘要统计，必须考虑敏感性和特异性之间的相关性，必须考虑到研究中的敏感性和特异性的异质性应该允许纳入协变量。 

原文链接：http://tecdat.cn/?p=4612 贝叶斯分析的许多介绍都使用了相对简单的教学实例（例如，根据伯努利数据给出成功概率的推理）。虽然这很好地介绍了贝叶斯原理，但是这些原则的扩展并不是直截了当的。这篇文章将概述这些原理如何扩展到简单的线性回归。我将导出感兴趣参数的后验条件分布，给出用于实现Gibbs采样器的R代码，并提出所谓的网格点方法。 贝叶斯模型假设我们

原文链接：http://tecdat.cn/?p=3429 BART是贝叶斯非参数模型，可以使用Backfitting MCMC进行拟合 。  我不使用任何软件包...... MCMC是从头开始实现的。考虑协变量数据和成果为主题，。在这个 示例中，数据看起来像这样：我们可能会考虑以下概率模型  基本上我们使用三次多项式对条件均值进行建模。

 原文链接：http://tecdat.cn/?p=6690 在最近的一篇文章中，我描述了一个Metropolis-in-Gibbs采样器，用于估计贝叶斯逻辑回归模型的参数。 这篇文章就此问题进行了研究，以展示Rcpp如何帮助克服这一瓶颈。  TLDR：只需用C ++编写log-posterior而不是矢量化R函数，我们就可以大大减少运行时间。 &

原文链接：http://tecdat.cn/?p=11617 在这篇文章中，我将对多元线性回归做同样的事情。我将得出block的Gibbs采样器所需的条件后验分布。然后，我将对采样器进行编码，并使用模拟数据对其进行测试。  贝叶斯模型假设我们有一个样本量的主题。 贝叶斯多元回归假设该向量是从多元正态分布中提取的 ，通过使用恒等矩阵，我们假设独立的观察结果。正式地，到目

原文：http://tecdat.cn/?p=3430 我使用excel来构建Cobb-Douglas生产函数的可视化 。生产函数将任何给定公司的输出表示为两个输入（人工和资本）和参数（α和β）的函数。当α和β之和等于1时，可以证明它们分别代表劳动力和资本的产出份额。这种情况也意味着公司的经营规模不断回报。当公司将其投入扩大一定百分比时，产出增加相同的数量。如果我们指定alpha和bet

引言 本文中主题是内生性，它可能严重偏向回归估计。我将专门模拟由遗漏变量引起的内生性。在本系列的后续文章中，我将模拟其他规范问题，如异方差性，多重共线性和对撞机偏差。数据生成过程考虑一些结果变量的数据生成过程（DGP）：对于该模拟，我设置参数值，以及与模拟正相关的独立变量，和（N = 500）。1234五6789# simulation parametersset.seed(144); 

原文链接：http://tecdat.cn/?p=3172 在这篇文章中，我们将探索比较两组依赖（即成对）定量数据的测试：Wilcoxon符号秩检验和配对学生t检验。这些测试之间的关键区别在于Wilcoxon的测试是非参数测试，而t测试是参数测试。在下文中，我们将探讨这种差异的后果。睡眠数据集我们来考虑睡眠数据集 ##    extra&

原文http://tecdat.cn/?p=3603这篇文章的目的是将我学习的材料与我的日常工作和R相结合。如果我们有一些根据固定概率随时间在状态之间切换的对象，我们可以使用马尔可夫链 * 来模拟该对象的长期行为。一个很好的例子是抵押贷款。在任何给定的时间点，贷款都有违约概率，保持最新付款或全额偿还。总的来说，我们将这些称为“转移概率”。假设这些概率在贷款期限内是固定的**。举

NYPD提供有关数据字典的止损和风险的数据 。这些数据从2003年到2014年不等，包含450多万 的信息。包括 人的年龄，性别和种族等几个变量。我写了一些R代码来清理并将数据编译成单个.RData文件。 这篇文章的目的只是为了让这些干净的编译数据集可供其他人与他们自己的数据集结合使用，并得出有趣/有意义的结论。以下是一些初步（未经调整）的描述性统计数据： 数据显示了一些有趣的趋势：从2

原文链接：http://tecdat.cn/?p=6894 加载和格式化数据rm(list=ls())ls()## [1] "s" "Y"dim(Y)## [1] 1106   31dim(s)## [1] 1106  &nbsp

原文 :http://tecdat.cn/?p=3726这次，我们将使用k-Shape时间序列聚类方法检查与我们有业务关系的公司的股票收益率的时间序列。 企业对企业交易和股票价格 在本研究中，我们将研究具有交易关系的公司的价格变化率的时间序列的相似性，而不是网络结构的分析。由于特定客户的销售额与供应商公司的销售额之比较大，当客户公司的股票价格发生变化时，对供应商公司股票价格的反

原文 http://tecdat.cn/?p=3364 加载R包和数据集 上述症状数据集包含在R-package  中，并在加载时自动可用。 加载包后，我们将此数据集中包含的12个心情变量进行子集化：mood_data <- as.matrix(symptom_data$data[, 1:12]) # 

原文 http://tecdat.cn/?p=3364 加载R包和数据集 上述症状数据集包含在R-package  中，并在加载时自动可用。 加载包后，我们将此数据集中包含的12个心情变量进行子集化：mood_data <- as.matrix(symptom_data$data[, 1:12]) # 

 原文链接:http://tecdat.cn/?p=5919 在本文中，我将介绍ARMA，ARIMA（Box-Jenkins），SARIMA和ARIMAX模型如何用于预测给定的时间序列数据。 使用后移运算符计算滞后差分我们可以使用backshift运算符来执行计算。例如，后轴运算符可用于计算的时间序列值的滞后差异ÿy经由yi−Bk(yi),∀i∈k+1,…,tyi−B