问题标签 [linearmodels]

有没有人愿意分享 python 3 中 fama-macbeth 回归的示例代码？我真的无法在网上找到任何可以让我复制到我的研究中的东西。提前致谢

我想知道如何使用 lme() 函数的自回归模型同时考虑 spatila 和时间自相关。

为了解释空间自相关，我使用 corSpher

为了解释时间自相关，我使用 corCAR1

我如何混合这两种模型来解释这两种类型的自相关？

谢谢您的帮助。

我一直在关注最后一个 DESeq2 管道来执行 RNAseq 分析。我的问题是实验样品的 rin 与对照样品相比非常低。我阅读了一篇论文，其中他们使用时间过程 RNA 降解进行 RNAseq 分析，并得出结论，将 RIN 值作为协变量包括在内可以减轻样本中低 rin 的一些影响。

我的问题是我应该如何在 DESeq2 对象中构造设计：

我找不到合适的资源来解释如何构建这些模型（我是该领域的新手......）并且我认识到我用这些东西撞到了墙上。我也很感激一些好的资源链接，以便能够理解哪个是正确的以及为什么。

太感谢了

我在这里问了同样的问题，但现在一周没有收到答案，可能是因为它更多的是编码而不是统计问题

我想使用固定效果模型作为 python 中的基本模型进行中介分析。我知道，您可以使用statsmodels 的中介模块进行中介分析。但是固定效应模型（据我所知）只能使用linearmodels。由于到目前为止我还没有进行中介分析，我不确定如何组合这两个模块。

我尝试了以下方法（从第 3 步开始与我的问题相关）：

但我遇到了一个错误：

我的方法有意义吗？如果是这样，我如何更改代码以使 PanelOLS 和中介一起工作？

编辑：

通过将 X 对 M 的系数（第 2 步）乘以第 4 步中 M 对 Y 的系数来计算间接影响以及通过从 X 对 Y 的系数中减去间接影响（第 1 步）来计算直接影响是否有效？ )? 我对那个研究海报有点困惑 ，说正常的中介分析不适用于固定效应等主题分析。如果我的方法是有效的，我将如何计算直接效应和总效应之间差异的显着性？我读到引导将是一个不错的选择，但我不确定如何在我的情况下应用它。

我正在尝试使用 4 个独立参数进行多元线性回归，这些参数与标签为 0 的类的这些参数进行比较，以线性拟合模型。

我想保存线性回归模型以预测具有相似参数的不同数据集。当我尝试使用以下代码保存模型时，我发现只有一个模型被保存。

如何保存所有线性回归模型并使用它来预测不同的数据集？

我正在 R 中执行双向 ANOVA 来分析实验。我有一长串调节变量需要在模型中为我的合作伙伴公司进行测试（主要是数字、连续尺度项目测量）。

这将是实验的基本模型（没有主持人）：

我想知道是否有一种快速的方法可以定义调节变量列表，然后“交换”感兴趣的调节变量（可能使用函数），其中“调节器”定义如下：

因此，例如，该函数将与某个主持人（例如用户年龄）一起运行模型并打印/保存结果，然后与另一个主持人（例如用户隐私关注级别）再次使用它并打印/保存结果，等等在。

这样我就可以避免手动复制和粘贴他们感兴趣的大约 50 个调节变量。

任何提示将非常感谢！.

（小提示：我知道在没有理论原因的情况下在模型中使用许多调节变量可能并不完全科学……但公司要求这样做）

我想使用 vif() 检查我的 lm 模型中变量的多重共线性。

它抛出错误，因此我无法使用：

我曾多次尝试安装“汽车”包。它给出了一些警告，如下所示：

请建议如何使用 R 中的汽车包解决此问题。

另外，请建议是否有任何替代函数vif()可以在 R Studio 中用于我的 lm 模型中变量的多重共线性。

我想问一下如何在SPSS中为线性混合模型中的随机效应设置非结构化协方差矩阵。当我在我的 SPSS（第 26 版）中这样做时，它在输出中（在模型维度表中）向我显示随机效应的协方差结构是“身份”，并且与 Andy Field 的书相比，给我带来了不好的结果，他在那里使用这种方法。有可能 SPSS 的版本不同，因为 SPSS 写给我“从 11.5 版开始，RANDOM 子命令的语法规则已经改变。您的命令语法可能会产生与以前版本产生的结果不同的结果。如果您是使用版本 11 语法，请参阅当前语法参考指南以获取更多信息。” 因此，我正在寻找解决方案，如何在线性混合模型中为随机效应设置非结构化协方差矩阵，以真正获得“非结构化”协方差结构而不是“身份”，从而获得预期的输出。非常感谢您的帮助。

如果我考虑相同的线性模型，我不明白为什么 aov 和 anova 会提供不同的结果。我首先使用aov函数执行此操作：

输出是：

然后我使用anova函数执行此操作：

输出如下：

所以首先我不明白为什么对于模型 mRNA~Time，我们得到不同的F值和不同的p 值？（aov 函数分别给出 6.228 和 0.0146，而 anova 7.2152 和 0.0088083）。

其次，如果我写这行代码：

为什么它不在输出数据框的列模型下打印名称“Intercept”、“Time”和“Time+Gene”？

我的数据集：

我正在尝试使用 Pandas 创建一个 RE 模型。我只有以前在Stata的经验。

我的目标是通过对一组假人的温度数据进行回归来生成预测温度。第一组假人代表一年中的月份，而第二组假人代表车站。

我怀疑我做错了 id = 1 和 month = 1 的预测值为零。在 Stata 中执行相同的 RE 模型时，我收到的预测值为 -23.02825。现在，我不知道 Pandas 和 Stata 之间的 RE 模型当然可能存在一些差异，但我怀疑我在某种程度上指定了错误的代码。有人对此有见解吗？

我不是 StackOverflow 上的经验丰富的发帖人，所以如果我需要添加任何其他信息，请告诉我！