효과 코드의 분산 계산

에 대한 신뢰도 간격을 표준 오차 이상으로 계산하고 싶습니다.효과 코드의 분산 계산

data(mtcars) 
mtcars$gearEff <- C(factor(mtcars$gear), sum, 3) 
contrasts(mtcars$gearEff) 
    [,1] [,2] 
3 1 0 
4 0 1 
5 -1 -1 
mod1 <- lm(mpg ~ gearEff, data=mtcars) 
summary(mod1) 

##..truncated output... 
Coefficients: 
      Estimate Std. Error t value Pr(>|t|)  
(Intercept) 20.6733  0.9284 22.267 < 2e-16 *** 
gearEff1  -4.5667  1.1639 -3.924 0.000492 *** 
gearEff2  3.8600  1.2156 3.175 0.003534 ** 
###...

지금 통해 gearEff3 효과를 계산할 수 있어요 :

-coef(mod1)["gearEff1"] - coef(mod1)["gearEff2"] 
0.7066667

사람이 신뢰 구간 또는 gearEff3에 대한 표준 편차 을 계산하는 방법을 알고 있나요을 여기에 최소한의 예입니다? 최종 목표는이 데이터를 사용하여 Foresplot을 작성하는 것입니다. 그러나 은이 신뢰 구간을 계산할 수 없습니다. 도움말 크게 감사하겠습니다.

출처

2014-04-20 schlusie

확실하지 :하지만,뿐만 아니라 독자에 대한 해석이 쉽게이지만, 통계 그래픽이 인색 방식으로 가능한 한 많은 정보를 전달해야한다는 원칙과 일치한다 .noint <- lm (mpg ~ gearEff-1, data = mtcars)'도움이 될까요? –

stats 패키지의 "aov"함수를 사용하여 선형 모델에서 요소 수준 간의 차이점에 대한 표준 오류를 계산할 수 있습니다. 이 후 쉽게 그래프 추출 할 수 있습니다

# graphing differences among factor levels (with standard errors) 
# require(stats) 
m <- lm(mpg ~ gear, data=mtcars) 
plot(TukeyHSD(aov(m))) # ?aov

Mean Differences in Levels

그러나 그래프에 대한 더 많은 정보를 접근 방식은 개개인의 표준에 오류가있는 각 요소 수준의 조건부 평균 결과를 음모하는 것입니다. 아마도`MOD1

# require(effects) 
plot(allEffects(m))

Mean MPG by Gear Level

출처

2014-04-20 21:05:36 statsRus

감사합니다. 나는'lme4 ::: glmerMod' 클래스의 혼합 모델에 대해 이렇게했다. 'allEffects'도이 클래스에 존재하며, 결과 객체'allEffects (m)'는 필요한 모든 것을 가진리스트입니다. 나는 표준 Wald-CI가 계산된다고 가정합니까? – schlusie

문서를 검토 한 결과 표준 오류가 계산되는 방법에 대한 참조를 찾을 수 없었지만 아무런 언급도없이 표준 Wald 신뢰 구간을 기반으로한다고 가정합니다. – statsRus

... 참이면 여러 수정에 대한 수정이 없음을 의미합니다. (그리고 'TukeyHSD (aov (...))'가 정확히 무엇을 제안 했는가?) –

gearEff3이 없기 때문에 원하는 것이 명확하지 않습니다. gearEff1은 3-5의 비교 결과이며 gearEff2는 4-5 비교 결과입니다. (gearEff3의 계산이 어떤 의미가 있다고 생각하지 않습니다.) 단일 교차 요소 비교를 검토하고 4 대 3 기어 비교 일 수 있습니다. 당신은 비교 및 다중 비교의 문제에 대한 조정 신뢰 구간 생성 TukeyHSD 기능을 사용할 수 있습니다

TukeyHSD(aov(mod1)) 
#---------- 
    Tukey multiple comparisons of means 
    95% family-wise confidence level 

Fit: aov(formula = mod1) 

$gearEff 
     diff  lwr  upr  p adj 
4-3 8.426667 3.9234704 12.929863 0.0002088 
5-3 5.273333 -0.7309284 11.277595 0.0937176 
5-4 -3.153333 -9.3423846 3.035718 0.4295874

공지 사항을 그 대비 definitons하지 않습니다 reallya ffect이 출력 (당신이 인식하지 수 있습니다.) :

mod2 <- lm(mpg ~ factor(gear), data=mtcars) # standard R treatment contrasts by default 
TukeyHSD(aov(mod2)) 
#-------------------------- 
    Tukey multiple comparisons of means 
    95% family-wise confidence level 

Fit: aov(formula = mod2) 

$`factor(gear)` 
     diff  lwr  upr  p adj 
4-3 8.426667 3.9234704 12.929863 0.0002088 
5-3 5.273333 -0.7309284 11.277595 0.0937176 
5-4 -3.153333 -9.3423846 3.035718 0.4295874

출처

2014-04-20 19:37:00

효과 코드의 분산 계산

답변

관련 문제