คำถามติดแท็ก contrasts

สิ่งที่ว่าคือความคมชัดเมทริกซ์ (คำที่เกี่ยวข้องกับการวิเคราะห์ทำนายเด็ดขาดเป็นพิเศษ) และวิธีการว่าจะตรงกันข้ามเมทริกซ์ที่ระบุ? คือคอลัมน์คืออะไรแถวคืออะไรข้อ จำกัด ของเมทริกซ์นั้นคืออะไรและจำนวนในคอลัมน์jและแถวiหมายถึงอะไร ฉันพยายามตรวจสอบเอกสารและเว็บ แต่ดูเหมือนว่าทุกคนใช้มัน แต่ก็ไม่มีการต่อต้านใด ๆ ฉันสามารถย้อนกลับ - วิศวกรความคมชัดที่กำหนดไว้ล่วงหน้าที่มีอยู่ แต่ฉันคิดว่าคำนิยามควรจะใช้ได้โดยไม่ว่า > contr.treatment(4) 2 3 4 1 0 0 0 2 1 0 0 3 0 1 0 4 0 0 1 > contr.sum(4) [,1] [,2] [,3] 1 1 0 0 2 0 1 0 3 0 …

46 regression  categorical-data  definition  contrasts  categorical-encoding 

โปรดระบุรหัส R ซึ่งอนุญาตให้บุคคลหนึ่งทำการวิเคราะห์ความแปรปรวนระหว่างอาสาสมัครที่มี -3, -1, 1, 3 ตรงกันข้าม ฉันเข้าใจว่ามีการถกเถียงกันเกี่ยวกับประเภทผลรวมของกำลังสอง (SS) ที่เหมาะสมสำหรับการวิเคราะห์ดังกล่าว อย่างไรก็ตามเนื่องจากประเภทเริ่มต้นของ SS ที่ใช้ใน SAS และ SPSS (Type III) ถือเป็นมาตรฐานในพื้นที่ของฉัน ดังนั้นฉันต้องการให้ผลลัพธ์ของการวิเคราะห์นี้ตรงกับสิ่งที่สร้างขึ้นโดยโปรแกรมสถิติเหล่านั้น หากต้องการได้รับคำตอบคำตอบจะต้องโทร aov () โดยตรง แต่คำตอบอื่น ๆ อาจได้รับการโหวต (espeically ถ้าพวกเขาเข้าใจง่าย / ใช้งาน) sample.data <- data.frame(IV=rep(1:4,each=20),DV=rep(c(-3,-3,1,3),each=20)+rnorm(80)) แก้ไข:โปรดทราบความแตกต่างที่ฉันขอไม่ใช่ความคมชัดเชิงเส้นหรือพหุนามที่เรียบง่าย แต่เป็นความแตกต่างที่ได้จากการทำนายเชิงทฤษฎีคือประเภทของความแตกต่างที่กล่าวถึงโดย Rosenthal และ Rosnow

26 r  anova  contrasts  sums-of-squares 

ฉันใช้ ANOVA ในมาตรการ R ซ้ำแล้วซ้ำอีกดังนี้: aov_velocity = aov(Velocity ~ Material + Error(Subject/(Material)), data=scrd) summary(aov_velocity) ซินแท็กซ์ใดบ้างใน R ที่สามารถใช้ในการทำการทดสอบหลังการทำ ANOVA ด้วยมาตรการซ้ำ การทดสอบของ Tukey กับการแก้ไข Bonferroni จะเหมาะสมหรือไม่ ถ้าเป็นเช่นนั้นสิ่งนี้สามารถทำได้ใน R?

24 r  anova  repeated-measures  post-hoc  contrasts 

ฉันไม่เข้าใจการใช้ความแตกต่างพหุนามในการถดถอยเชิงเส้น โดยเฉพาะอย่างยิ่งฉันหมายถึงการเข้ารหัสที่ใช้โดยRเพื่อแสดงตัวแปรช่วงเวลา (ตัวแปรลำดับที่มีระดับเว้นระยะเท่ากัน) อธิบายไว้ในหน้านี้ ในตัวอย่างของหน้านั้นถ้าฉันเข้าใจอย่างถูกต้อง R เหมาะกับโมเดลสำหรับตัวแปรช่วงเวลาคืนค่าสัมประสิทธิ์บางอย่างซึ่งให้น้ำหนักแนวโน้มเชิงเส้นการกำลังสองหรือลูกบาศก์ ดังนั้นรูปแบบการติดตั้งควรเป็น: write=52.7870+14.2587X−0.9680X2−0.1554X3,write=52.7870+14.2587X−0.9680X2−0.1554X3,{\rm write} = 52.7870 + 14.2587X - 0.9680X^2 - 0.1554X^3, โดยที่XXXควรรับค่า111 , 222 , 333หรือ444ตามระดับที่แตกต่างกันของตัวแปรช่วงเวลา ถูกต้องหรือไม่ และถ้าเป็นเช่นนั้นแล้วอะไรคือจุดประสงค์ของการตัดกันของพหุนาม

17 r  regression  contrasts 

สมมติว่าฉันมีการทดลองแบบแฟคทอเรียล 2x2 ที่ฉันต้องการทำ ANOVA เช่นนี้ตัวอย่างเช่น: d <- data.frame(a=factor(sample(c('a1','a2'), 100, rep=T)), b=factor(sample(c('b1','b2'), 100, rep=T))); d$y <- as.numeric(d$a)*rnorm(100, mean=.75, sd=1) + as.numeric(d$b)*rnorm(100, mean=1.2, sd=1) + as.numeric(d$a)*as.numeric(d$b)*rnorm(100, mean=.5, sd=1) + rnorm(100); ในกรณีที่ไม่มีการโต้ตอบที่สำคัญโดยค่าเริ่มต้น (เช่นcontr.treatment) ผลลัพธ์ของAnova()ความสำคัญโดยรวมของaในทุกระดับของbและbเหนือทุกระดับของaถูกที่? ฉันควรระบุความแตกต่างที่จะช่วยให้ฉันทดสอบความสำคัญของผลกระทบaกับbการคงที่ที่ระดับ b1 ของผลกระทบaกับbการคงที่ที่ระดับ b2 และการโต้ตอบa:bอย่างไร

15 r  anova  contrasts 

หากคุณพอดีกับโมเดลเชิงเส้นหรือโมเดลผสมมีโค้ดหลายชนิดที่พร้อมใช้งานในการแปลง varibale หมวดหมู่หรือชื่อเป็นตัวแปรจำนวนหนึ่งที่มีการประมาณพารามิเตอร์เช่นพารามิเตอร์จำลอง (การกำหนดค่าเริ่มต้น R) และเอฟเฟกต์การเข้ารหัส ฉันได้ยินมาว่าเอฟเฟกต์การเขียนโค้ด (บางครั้งเรียกว่าการเบี่ยงเบนหรือการเข้ารหัสความคมชัด) เป็นที่ต้องการเมื่อคุณมีปฏิสัมพันธ์ แต่อะไรคือความแตกต่างที่เป็นไปได้และคุณจะใช้ความคมชัดประเภทใด บริบทเป็นแบบผสมในการใช้ R lme4แต่ฉันคิดว่าการตอบสนองในวงกว้างนั้นใช้ได้ ขออภัยถ้าฉันพลาดคำถามที่คล้ายกัน แก้ไข: ลิงก์ที่มีประโยชน์สองลิงก์คือ: เอฟเฟ็กต์การเข้ารหัสและการจำลองดัมมี่อธิบาย

14 regression  mixed-model  categorical-data  contrasts  categorical-encoding 

ฉันโพสต์สิ่งนี้ใน mathoverflow และไม่มีใครตอบ: วิธีการของSchefféสำหรับการระบุความแตกต่างอย่างมีนัยสำคัญทางสถิติเป็นที่รู้จักกันอย่างกว้างขวาง ความคมชัดในหมู่หมายถึง ,ของประชากรเป็นเชิงเส้นรวมกันที่ , และเซนต์คิตส์และเนวิสของความคมชัดเป็นหลักความคมชัดเดียวกันดังนั้นใครจะบอกว่าชุดของความแตกต่างเป็นพื้นที่โปรเจค วิธีการของSchefféทดสอบสมมติฐานที่บอกว่าทุกความแตกต่างในหมู่เหล่านี้ประชากรเป็นและกำหนดระดับนัยสำคัญปฏิเสธสมมติฐานที่มีความน่าจะเป็นฉัน= 1 , ... , R R Σ R ฉัน= 1คฉันμ ฉันΣ r ฉัน= 1คฉัน = 0 R 0 อัลฟ่าอัลฟ่า0μผมμi\mu_ii = 1 , … , ri=1,…,ri=1,\ldots,rRrrΣRi = 1คผมμผม∑i=1rciμi\sum_{i=1}^r c_i \mu_iΣRi = 1คผม= 0∑i=1rci=0\sum_{i=1}^r c_i=0Rrr000αα\alphaαα\alphaเนื่องจากสมมติฐานว่างเป็นจริง และหากสมมติฐานว่างถูกปฏิเสธSchefféชี้ให้เห็นว่าการทดสอบของเขาบอกเราว่าข้อแตกต่างอย่างมีนัยสำคัญแตกต่างจาก (ฉันไม่แน่ใจว่าบทความ Wikipedia ที่ฉันเชื่อมโยงกับจุดนั้น)000 ฉันต้องการทราบว่าสามารถทำสิ่งที่คล้ายกันในสถานการณ์ที่แตกต่างกันได้หรือไม่ พิจารณาเชิงเส้นอย่างง่ายรูปแบบการถดถอยที่ , nε …

12 regression  hypothesis-testing  contrasts  np 

ฉันพยายามเรียกใช้มาตรการ Anova ใน R ซ้ำแล้วตามด้วยความแตกต่างเฉพาะบนชุดข้อมูลนั้น ฉันคิดว่าวิธีที่ถูกต้องน่าจะใช้ Anova()จากแพ็คเกจรถ ช่วยให้แสดงคำถามของฉันพร้อมตัวอย่างที่นำมาจากการ?Anovaใช้ OBrienKaiserข้อมูล (หมายเหตุ: ฉันสรุปปัจจัยทางเพศจากตัวอย่าง): เรามีการออกแบบที่มีปัจจัยหนึ่งระหว่างวิชาการรักษา (3 ระดับ: การควบคุม A, B) และซ้ำ 2 - วัด (ภายในวิชา) ปัจจัยระยะ (3 ระดับ: แบบทดสอบก่อนเรียนหลังการติดตาม) และชั่วโมง (5 ระดับ: 1 ถึง 5) ตาราง ANOVA มาตรฐานมอบให้โดย (แตกต่างจากตัวอย่าง (Anova) ฉันเปลี่ยนเป็น Type 3 Sums of Squares นั่นคือสิ่งที่สาขาของฉันต้องการ): require(car) phase <- factor(rep(c("pretest", "posttest", "followup"), …

12 r  anova  repeated-measures  contrasts  sums-of-squares 

โปรดให้ฉันทราบวิธีการ recode ตัวแปรเด็ดขาด (ปัจจัย) อย่างมีประสิทธิภาพในชุดของตัวแปรความแตกต่างของพหุนาม orthogonal สำหรับตัวแปรความคมชัดหลายประเภท (เช่นส่วนเบี่ยงเบนง่ายเฮลเมอร์ ฯลฯ ) การผ่านคือ: เขียนเมทริกซ์สัมประสิทธิ์ความคมชัดสอดคล้องกับประเภท ผกผันหรือวางนัยทั่วไปเพื่อให้ได้เมทริกซ์ของรหัส ตัวอย่างเช่น: Suppose there is 3-group factor and we want to recode it into a set of deviation contrast variables. The last group is treated as reference. Then the contrast coefficients matrix L is Group1 Group2 Group3 var1 …

11 contrasts  polynomial 

ผู้ใช้ระดับเริ่มต้นของ R ที่นี่ต้องดิ้นรนกับมาตรการ ANOVA ซ้ำ ๆ ฉันมีชุดข้อมูลที่ประกอบด้วยหนึ่งระหว่างปัจจัยของกลุ่มวิชาที่มี 4 ระดับ (เขียนเป็นตัวแปรเดียวที่เรียกว่า 'กลุ่ม') และอีกหนึ่งรายการอยู่ในกลุ่มวิชาที่มี 4 ระดับ (เขียนเป็นตัวแปรแยกกันสี่ชุดคือ 'DV1', 'DV2', 'DV3 ',' DV4 ') ฉันมีวัตถุประสงค์ดังต่อไปนี้: ใช้มาตรการ ANOVA ซ้ำ ๆ โดยรวม เปรียบเทียบกลุ่มโดยใช้ความแตกต่างที่กำหนดเอง (เช่นในคำสั่ง LMATRIX ใน SPSS) เปรียบเทียบระดับต่างๆของ DV โดยใช้ความแตกต่างที่กำหนดเอง (เช่นในคำสั่ง MMATRIX ใน SPSS) ทำการรวมกันของ 2) และ 3) พร้อมกันดังนั้นฉันจึงเปรียบเทียบเฉพาะบางกลุ่มในระดับที่แน่นอนของปัจจัยภายในเรื่อง ใช้ชุดความแตกต่างที่ไม่รวมกับศูนย์ ฉันรู้ว่าฉันสามารถทำสิ่งนี้ใน SPSS ได้โดยไม่มีปัญหา แต่ฉันไม่สามารถเข้าใจวิธีการทำเช่นนี้ได้ใน R. …

11 r  anova  repeated-measures  contrasts 

ฉันกำลังทำ ANOVA ทางเดียว (ต่อสปีชีส์) ด้วยความแตกต่างที่กำหนดเอง [,1] [,2] [,3] [,4] 0.5 -1 0 0 0 5 1 -1 0 0 12.5 0 1 -1 0 25 0 0 1 -1 50 0 0 0 1 ที่ฉันเปรียบเทียบความเข้ม 0.5 กับ 5, 5 กับ 12.5 และอื่น ๆ นี่คือข้อมูลที่ฉันกำลังทำอยู่ ด้วยผลลัพธ์ต่อไปนี้ Generalized least squares fit by …

10 r  anova  contrasts  generalized-least-squares 

ฉันใช้ lmer ใน R เพื่อตรวจสอบผลกระทบของ condition ( cond) ต่อผลลัพธ์บางรายการ นี่คือบางส่วนทำข้อมูลที่อยู่ที่ระบุเรื่องและa, bและcเงื่อนไข library("tidyr") library("dplyr") set.seed(123) temp <- data.frame(s = paste0("S", 1:30), a = rnorm(30, -2, 1), b = rnorm(30, -3, 1), c = rnorm(30, -4, 1)) ฉันต้องการจะเปรียบเทียบ ระดับaของค่าเฉลี่ยของระดับbและcและ ระดับไปที่ระดับbc คำถามของฉันคือฉันจะตั้งค่าความแตกต่างได้อย่างไรในวิธีที่การสกัดกั้นสะท้อนค่าเฉลี่ยของสามเงื่อนไขและประมาณการที่คำนวณได้ทั้งสองสะท้อนถึงความแตกต่างโดยตรงตามที่กำหนดใน 1 และ 2? ฉันลองด้วย c1 <- cbind(c(-0.5, 0.25, 0.25), c(0, -0.5, …

9 r  lme4-nlme  contrasts 

ฉันมีรูปแบบการถดถอยที่มีลักษณะเช่นนี้: Y=β0+β1X1+β2X2+β3X3+β12X1X2+β13X1X3+β123X1X2X3Y=β0+β1X1+β2X2+β3X3+β12X1X2+β13X1X3+β123X1X2X3Y = \beta_0+\beta_1X_1 + \beta_2X_2 + \beta_3X_3 +\beta_{12}X_1X_2+\beta_{13}X_1X_3+\beta_{123}X_1X_2X_3 ... หรือในสัญกรณ์ R: y ~ x1 + x2 + x3 + x1:x2 + x1:x3 + x1:x2:x3 สมมติว่า X1X1X_1 และ X2X2X_2 เป็นตัวแปรเด็ดขาดและ X3X3X_3เป็นตัวเลข ภาวะแทรกซ้อนก็คือX1X1X_1 มีสามระดับ X1 ก,X1 b,X1 คX1a,X1b,X1cX_{1a}, X_{1b}, X_{1c} และแทนที่จะเป็นความแตกต่างมาตรฐานฉันต้องทดสอบ: ไม่ว่าจะเป็นการสกัดกั้นระดับ X1aX1aX_{1a} แตกต่างจากการสกัดกั้นโดยเฉลี่ยสำหรับระดับ X1bX1bX_{1b} และ X1cX1cX_{1c}. ไม่ว่าจะเป็นการตอบสนองของ X2X2X_2 แตกต่างกันอย่างมีนัยสำคัญระหว่างระดับ X1aX1aX_{1a} …

9 r  contrasts 

เมื่อใช้ R ฉันได้ติดตั้งโมเดลเชิงเส้นสำหรับตัวแปรการตอบสนองเดี่ยวจากการผสมผสานของตัวทำนายอย่างต่อเนื่องและไม่ต่อเนื่อง นี่เป็นพื้นฐาน uber แต่ฉันมีปัญหาในการเข้าใจว่าค่าสัมประสิทธิ์สำหรับปัจจัยแยกทำงานอย่างไร แนวคิด:เห็นได้ชัดว่าค่าสัมประสิทธิ์ของตัวแปรต่อเนื่อง 'x' ถูกนำมาใช้ในรูปแบบy = coefx(varx) + interceptแต่วิธีการที่ทำงานให้กับปัจจัย z ถ้าปัจจัยที่ไม่ใช่ตัวเลข?y = coefx(varx) + coefz(factorz???) + intercept เฉพาะ:ฉันได้ติดตั้งแบบจำลองใน R เป็นlm(log(c) ~ log(d) + h + a + f + h:a)ตำแหน่งhและfปัจจัยที่ไม่ต่อเนื่องและไม่ใช่ตัวเลข ค่าสัมประสิทธิ์คือ: Coefficients: Estimate (Intercept) -0.679695 log(d) 1.791294 h1 0.870735 h2 -0.447570 h3 0.542033 a 0.037362 f1 …

9 linear-model  regression-coefficients  contrasts