«jmp» etiketlenmiş sorular

JMP'de bir multinomial logit modeli çalıştırdım ve her bir parametre tahmini için AIC ve ki-kare p-değerlerini içeren sonuçları geri aldım. Modelin bir kategorik sonucu ve 7 kategorik açıklayıcı varyasyonu vardır. Sonra nnet paketindeki multinomişlevi kullanarak, R aynı modeli inşa düşündüğüm uygun . Kod temel olarak: fit1 <- multinom(y ~ x1+x2+...xn,data=mydata); …

20 r  logistic  multinomial  logit  jmp 

Gradyan arttırıcı makine algoritmasını caretR'deki paket üzerinden deniyorum. Küçük bir kolej veri kümesi kullanarak, aşağıdaki kodu koştu: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- "yes" ### Gradient boosting machine algorithm. ### set.seed(123) fitControl <- trainControl(method = …

15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

İki örnek oranlarının karşılaştırılması, örnek büyüklüğü tahmini: R ve Stata Örnek boyutları için aşağıdaki gibi farklı sonuçlar aldım: içinde R power.prop.test(p1 = 0.70, p2 = 0.85, power = 0.90, sig.level = 0.05) Sonuç: n = 160.7777n=160.7777n = 160.7777 (yani 161) her grup için. In Stata sampsi 0.70 0.85, power(0.90) alpha(0.05) …

10 r  stata  sample-size  power-analysis  jmp