1

为了分析眼动追踪实验的数据，我使用 Matlab 对数据进行了预处理，现在我想在 R. OLS 回归和分位数回归中进行回归分析。

对于这种情况下的单个测试人员“vp31”，我是这样开始的：

    # load file
dikablis <- read.table("vp31.txt", sep="\t") # load it

# generate col names
colnames(dikablis) <- c("area","start","end","duration")

正如上升的起始时间所反映的那样，我对每个人都有成功的观察。准确地说，我的数据现在看起来像这样：

          area start  end duration
1    speed     0  200      200
2 attitude   200  400      200
3    speed   400  680      280
4 attitude   680 1200      520
5    speed  3840 4200      360
6 attitude  4200 5160      960

然后我尝试计算回归：

Call:
lm(formula = duration ~ area, data = dikablis)

Residuals:
   Min     1Q Median     3Q    Max 
-490.1 -218.8  -63.9  118.7 3829.9 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)    650.07      22.26  29.202  < 2e-16 ***
areafma       -344.35     103.73  -3.320 0.000953 ***
areahead_pfd  -226.19      51.39  -4.402 1.26e-05 ***
areaheight    -191.25      37.88  -5.049 5.81e-07 ***
areaspeed     -248.75      41.03  -6.063 2.29e-09 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 379.1 on 640 degrees of freedom
Multiple R-squared:  0.0838,    Adjusted R-squared:  0.07807 
F-statistic: 14.63 on 4 and 640 DF,  p-value: 1.911e-11

希望我在这里做对了吗？我印象深刻，因为 R 很聪明，并且会自动对分类变量 Area of​​ Interest 进行虚拟编码。但是，有没有办法将参考级别设置为向量的第一个元素，包括感兴趣级别的名称？在这种情况下，我希望以 FMA 作为参考。

aois <- c("FMA", "speed", "attitude", "altitude", "head_pfd")

我还从 Matlab 中提取了一个带有测试人员姓名的向量，例如>

vps <- c("vp31","vp2")

现在谈谈我更大的问题，我应该如何构建我的数据来计算多个测试人员的回归以及回归公式的样子？（不要混淆，我只是在这里用数字替换了 area 中的分类名称，因为这个示例是使用我的代码的旧版本生成的）

            V1               V2               V3                V4           V5              V6
1 Reg_Area_VP31 Reg_Statime_VP31 Reg_Endtime_VP31 Reg_Duration_VP31 Reg_Area_VP2 Reg_Statime_VP2
2             3                0              200               200            3               0
3             2               40              600               560            2              40
4             1              400              560               160            1             400
5             3              840             1280               440            3             840
               V7               V8
1 Reg_Endtime_VP2 Reg_Duration_VP2
2             200              200
3             600              560
4             560              160
5            1280              440

这是我的第一个 stackoverflow 请求，所以请不要对我苛刻 :) 期待您的意见，并提前感谢您的时间和帮助！弗洛里安

在做了越来越多的研究之后，我想知道我是否必须像这样构造我的数据？所以所有信息都排成一排？

       id diet exertype pulse time
1   1    1        1    85    1
2   1    1        1    85    2
3   1    1        1    88    3
4   2    1        1    90    1
5   2    1        1    92    2
6   2    1        1    93    3
7   3    1        1    97    1
8   3    1        1    97    2
9   3    1        1    94    3
10  4    1        1    80    1
11  4    1        1    82    2
12  4    1        1    83    3
13  5    1        1    91    1
14  5    1        1    92    2
15  5    1        1    91    3
16  6    2        1    83    1
17  6    2        1    83    2
18  6    2        1    84    3
19  7    2        1    87    1
20  7    2        1    88    2
21  7    2        1    90    3
22  8    2        1    92    1
23  8    2        1    94    2
...
4

1 回答 1

0

好吧，我自己找到了答案。在科学中，观察结果按行列出是常见的做法。所以我上一段的建议是朝着正确的方向发展的；）

于 2014-05-26T09:13:45.067 回答