나는 또한 가중치가 반복 관측을위한 샘플 크기를 인코딩하는 편리한 방법이라고 생각했었다. 그러나 다음 예제는 이것이 단순한 선형 모델의 경우가 아니라는 것을 보여줍니다. 내가 먼저 사람들의 관찰/발명 신발 크기와 높이로 비상 테이블을 정의하고 무게로 주파수를 지정하는 leats 사각형의 회귀에 맞게 : 기울기에 대한 계수는 비 중요하고 잔류 오류가 있음을
가
SKdata = matrix(c(20,5,5,5,40,15,3,27,30,2,3,10),ncol=4)
dimnames(SKdata) = list(shoesize=10:12,height=seq(160,190,by=10))
x = as.data.frame(as.table(SKdata), stringsAsFactors=FALSE)
for (i in 1:ncol(x)) x[,i] = as.numeric(x[,i])
fit1 = lm(height ~ shoesize,data=x, weights=Freq)
summary(fit1)
공지 사항 "자유 (10 개)도"
나는 "원시"데이터로 비상 테이블을 변환 할 때이 편의 기능 expand.dft으로 관찰 당 하나 개의 행을 의미 변경을 기반으로합니다
expand.dft <- function(x, na.strings = "NA", as.is = FALSE, dec = ".")
{
DF <- sapply(1:nrow(x), function(i) x[rep(i, each = x$Freq[i]), ],
simplify = FALSE)
DF <- subset(do.call("rbind", DF), select = -Freq)
for (i in 1:ncol(DF))
{
DF[[i]] <- type.convert(as.character(DF[[i]]),
na.strings = na.strings,
as.is = as.is, dec = dec)
}
DF
}
fit2 = lm(height ~ shoesize,data=expand.dft(x))
summary(fit2)
우리 나는 얻는다. 치과 적 계수는 이번에는 "163 자유도"에 근거하여 매우 중요합니다.
감사합니다. 이것이 제대로 작동하지 않는다고 생각했을 때, 사기 (도서관 사기에서 나온)가 아니라 도박이 사용 된 것으로 나타났습니다. 이것은 사기와 관련이없는 것 같습니다. 나는 더 자세히 살펴볼 것이다. – DavidR