一、时间 2014-04-02 16:10 今天没到下班时写博客，因为事不多，但是我的工作日志该怎么写呢？？二、事件 我要写博客，希望可以通过博客，来整理自己的学到的东西，和大家讨论交流，一起进步！三、引用 每行每业都有大神，今天就有幸看到一位大神的文章《R是最值得学习的编程语言》，当然我没有在一股脑的说R这个好，那个好的意思，只是觉得这篇文章不错，让我对R语言有了很
11.22直接用 feature engineer + 防过拟合的模型暴力破解真的是。。。。太强了。。。。囧11.10迷茫的时候，看不清楚路的时候，不应当更着急的向前探寻新的路，相反更应该沉下心来，去看看踩过的脚印厚不厚实，毕竟欠的债迟早是要还的。总是给自己留下一个个虚浮的脚印，根基永远不稳，做事永远只做的差不多，不管做什么都是一半一半，刚刚好，那么就得做好你的人生也是刚刚好的准备！10.10wi
目录原理双因素等重复试验的方差分析假设前提和模型设定离差平方和分解检验统计量和拒绝域例题应用双因素无重复试验的方差分析假设前提和模型设定离差平方和分解检验统计量和拒绝域例题应用原理在单因素方差分析的基础上，双因素方差分析有两种类型，一种是无交互作用（双因素无重复试验）的双因素方差分析，一种是有交互作用（双因素等重复试验）的双因素方差分析。双因素等重复试验的方差分析假设前提和模型设定设有交互作用的两
直方图实例：nutshell包的births2006.smpl数据集，包含了2006年美国出生人口的数据的10%样本，每一条记录有13个变量。使用数据集前，需通过install.packages(“nutshell”)安装并加载。以美国出生人口数据为例，利用直方图查看不同胎儿数下婴儿的平均重量。执行以下代码得到下图的直方图。library(lattice)library(nutshell)data
转载
2023-06-21 19:23:54
172阅读
用R做meta分析（附效应量计算神器） 1 准备2 配置环境和工具包3 导入数据4 计算综合效应量5 绘制森林图6 发表偏倚检验7 亚组分析并绘制森林图8 元回归分析9 敏感性分析 Hello， 1 准备工欲善其事必先利其器，先来说说准备工作：下载并安装R studio，在往期推文中我们已经详细介绍了R和Rstudio的安装教程，按步骤操作即可！安装三个工具包：meta、metafor和
【交互作用】02. 加法交互 & 乘法交互 [R包 interactionR]1. 原理和方法回顾2. `interactionR` R包介绍 生物学交互作用的评价应该基于是否有相加交互作用， 而流行病学研究中常运用logistic和Cox等广义线性模型， 并纳入乘积项分析因素间交互作用，其是否有意义仅反映相乘交互作用， 并不能反映两因素间相加或生物学交互作用的有无。上篇【交互作用】01
转载
2023-06-21 19:08:11
2173阅读
文章目录agricolaeDescToolsbruceR1. 回归分析决定系数
R
2
转载
2023-07-21 20:24:58
916阅读
MyPlan5时间：6.10-6.16周内完成SPSS在方差分析的应用已经做得非常好了，绝大多数的方差分析问题均可通过SPSS“点菜单”的方式得以解决，R语言在统计和可视化方面有自己的特色，我们不妨来对比着学习。完成情况选用R语言自带案例数据集PlantGrowth，研究两个处理和一个对照组对植物产量的影响，每组10例共3记录，主要考察处理对提高植物产量有无影响。数据构成：因变量weight，因子
1. 方差分析假定：正态性（否则建立广义线性模型），独立性（否则建立混合线性模型，定义G矩阵和R矩阵），齐次性（否则混合线性模型，定义G矩阵和R矩阵）2. 单因素方差分析（为什么高级心统老师讲“边际均值比较”更常用？）2.1 安装相关R包，并找出数据（来源“agridat，将数据命名dat）。这里使用devtools下载github上的文件，devtools后面的格式是install_github
多因素方差分析适用于两个以上自变量(离散变量)对一个因变量(连续变量)的影响。主要包括主效应分析、交互作用分析、单独效应分析。主效应：单个自变量对因变量的影响(不考虑其他自变量)。交互作用：一个自变量对因变量的影响在另一个或多个自变量不同水平上的表现不同。具体表现为线图交互。单独效应：固定一自变量水平时，另一自变量对因变量的影响。以最简单的双因素方差分析为例：不同剂量运动对静坐少动中年女性血脂的影
双因素方差分析双因素方差分析是一种常用的统计分析方法，用于比较两个或更多因素对连续性变量的影响，以及这些因素之间是否存在交互影响。本篇文章将介绍双因素方差分析的基本原理、假设检验与统计量、方差分析表的解读、SPSS软件操作实例，并提供Python代码进行分析。基本原理双因素方差分析是通过比较不同组别之间的变异程度，来判断因素对于变量的影响是否显著。在双因素方差分析中，变量被分为四个部分：总平方和（
# R语言GLM交互效应图实现指南
## 概述
本文将指导你如何使用R语言绘制GLM（generalized linear model）交互效应图。GLM是一种用于拟合非正态响应变量的广义线性模型。交互效应图是一种用于可视化不同变量之间交互作用的图表。
在本文中，我们将使用以下步骤来实现R语言GLM交互效应图：
1. 数据准备
2. 拟合GLM模型
3. 计算交互效应
4. 绘制交互效应图
原创
2023-08-13 16:56:24
555阅读
浅析R语言多组定量资料非参数检验的多组比较及簇状柱形图显著性字母标记之分面与分组的图形艺术R语言多组定量资料非参数检验的多组比较非参数检验的应用参数检验是在已知总体分布的条件下(一般要求总体服从正态分布)对一些主要的参数(如均值、百分数、方差、相关系数等)进行的检验，有时还要求某些总体参数满足一定的条件。如独立样本的t检验和方差分析不仅要求总体符合正态分布，还要求各总体方差齐性。而当我们的数据不满
转载
2023-08-21 12:29:42
258阅读
zhe 点击名片 关注我们有师妹来咨询，怎样画类似于上图的双坐标轴PCA双序图。正好之前虽然PCA和RDA分析及绘图都写过教程，但是变量分析结果没有在图中显示，所以使用R统计绘图-环境因子相关性热图流程开始按图1整理环境因子数据，行为样品名称，列为环境因子名称和分组信息，共有11个环境变量，3个分组信息。图1|环境因子及分组信息表，env.csv。行为样品名称，列为环境因子
双变量分析表示分析两个变量。双变量分析是为了分析两个变量之间的关系，与单变量、多变量分析对应。主要有三种方式进行双变量分析。散点图相关系数简单线性回归下面使用测试数据作为示例来演示三种方法，供包括两个变量，HourStudied表示学习时间，ExamScore为测试成绩。exData <- read.csv("csv/exData.csv")
exData
# HourStudied
转载
2023-09-15 20:43:35
230阅读
单因素多重分析是一种统计方法，用于比较多个组之间的差异。在R语言中，我们可以使用多种函数和包来进行单因素多重分析。本文将介绍R语言中进行单因素多重分析的代码示例，并解释其原理和步骤。
## 单因素多重分析的概念和原理
单因素多重分析是一种用于比较多个组之间差异的统计方法。它适用于一个自变量（也称为因子）有多个水平（也称为组）的情况。该方法的基本思想是通过比较组间的平均值差异来判断不同组之间是否存
原文链接：http://tecdat.cn/?p=9578目录测试方法画图具有五个p值的多重比较示例画图测试方法R具有内置的方法来调整一系列p值，以控制按族分类的错误率或控制错误发现率。Holm，Hochberg，Hommel和Bonferroni的方法控制着家庭错误率。这些方法试图限制甚至一个错误发现的可能性（I型错误，在没有实际效果时错误地拒绝零假设），因...
原创
2021-05-12 14:08:44
463阅读
一、导入数据集 1 数据集介绍 采用一个自己创建的数据集其中包括两个因素，因素1为性别分为男性和女性2水平，因素2为年龄阶段，三水平：青少年、中年、老年，因变量为不同组对于某一照片新
原文链接：http://tecdat.cn/?p=9578目录测试方法画图具有五个p值的多重比较示例画图测试方法R具有内置的方法来调整一系列p值，以控制按族分类的错误率或控制错误发现率。Holm，Hochberg，Hommel和Bonferroni的方法控制着家庭错误率。这些方法试图限制甚至一个错误发现的可能性（I型错误，在没有实际效果时错误地拒绝零假设），因...
原创
2021-05-12 14:08:45
444阅读
R语言数据分析报告使用软件：R studio 一、对数据的基本分析 在这一次的数据分析报告我选取的是对红酒质量的一个数据分析。我从kaggle上下载了一个1599x12的数据集，其中对于红酒质量影响因素一共有11个因素，分别是：fixed.acidity volatile.acidity Citric.acid Residual.sugar chlorides free.sulfur.dioxid
