问题标签 [multivariate-testing]

我正在使用 R 包（vegan）从社区数据生成 NMDS 排序图，并希望包含长度与所选物种的重要性相对应的向量（即来自原点的箭头）。如何将箭头限制为仅显示在数据前四分位数中的那些物种？我可以计算每个向量的长度，但不知道如何将打印的箭头限制为符合所需标准的箭头。例如，

data(dune) mds <- metaMDS(dune) plot(mds$points[,1], mds$point[,2]) arrows(0, 0, mds$species[,1], mds$species[,2], col = "grey50")

# for the length of ea arrow for ea sp:

hyp <- sqrt(mds$species[,1]^2 + mds$species[,2]^2)

谢谢...

我想运行一个简单的多元逻辑回归。我在下面用二进制数据做了一个例子来讨论一个例子。

多元回归 = 试图预测 2+ 个结果变量

因此，变量“x”有 6 个样本，每个样本有 6 个属性。变量“y”对 6 个样本中的每一个都有 2 个预测。我特别想处理二进制数据。

我做“-1”来消除截距系数。其他一切都是多变量情况下的标准逻辑回归。

在这一点上，事情开始不妙了。我不确定为什么数据 3 和 6 的互联网是这样的。

从逻辑上讲，我做错了什么。我期待一个 1x2 矩阵，而不是 1x6。我想要一个矩阵，它告诉我数据帧向量在 y1 和 y2 中为“1”（真）的概率。

任何帮助，将不胜感激。

注意：我根据马里奥的回复更新了问题的结尾。

你知道我如何将第一部分放入函数的其余部分以进行回归分析。

并且所有变量都已加载为变量 tvst、cntime 等。所有变量都是数字。

现在的最终目标是获得多元回归，例如

我有一个由三个连续响应变量、两个分类变量和一个主题 ID 组成的数据框

我正在尝试运行 MANOVA，但在分配响应变量时遇到了语法问题。

MANOVA.RM 的帮助文件使用以下语法作为示例

EEG_MANOVA <- MANOVA(resp ~ sex * diagnosis, data = EEG, subject = "id", resampling = "paramBS", iter = 1000, alpha = 0.05)

然而，公式的左侧（即“resp”）仅指单个响应变量，而我想指的是变量矩阵（在这种情况下y1, y2, and y3）

如何更改语法以包含三个响应变量？

我一直在 PRIMER 中学习多变量分析，但现在想使用该vegan包转换为 R。我希望在 中使用该capscale()功能vegan，但不确定我的数据应该如何预先格式化。在小插图http://cc.oulu.fi/~jarioksa/softhelp/vegan/html/capscale.html的示例中，dataframes(varespec和varechem) 都只有数字值，但我有一个dataframe从属（数字）值，并且另一个独立（因子）值。所以我要求的是一个我可以效仿的替代工作示例。我在网上找不到任何东西。iris数据集应提供足够的玩具数据。谢谢

我正在自学多元回归，我正在尝试模拟一个多元随机变量并构建一个广义线性模型来拟合它。这是我的代码：

这会在函数 glm 中产生以下错误：

我很不确定问题是什么。

我想ccgarch在 R 中使用包。首先，这个包中的初始值是什么？如何指定这些值？

此外，我该如何使用loglik.eccc和定义param它？例如，当我有 时param=c(1,2,3,4,5,6,7,8,9,10,11,12,13,14)，此参数不会更改，并且我有之前的默认值param。

SAS中Pro PLS的相关加载图

大家好，

我使用 Proc PLS 进行了多变量分析，并得到了附加的图。如何去除图片中的绿色点？我认为它们是观察值的相关值。例如，我有 90 个观测值，每个观测值在 factor1 和 factor2 上都会有一个加载值，所以图中会显示 90 个绿点。谁能告诉我哪个选项可以压制它们？例如，数据是这样的：

par1 par2 par3 par4 par5 par6 par7 location
2680 0.546089996 237 1 0.172 2.25 305 5
3750 0.54836587 140 1.55 0.111 1.06 425 5
3590 0.54878718 168 1.27 0.131 0.969 516 5
2390 0.549510935 183 1.07 0.096 1.84 260 5
3780 0.549631747 140 1.12 0.118 1.98 472 5
2790 0.549934008 200 1.1 0.221 2.13 321 5
2880 0.5499945 227 1.14 0.185 1.54 439 5
2910 0.550357733 259 1.31 0.116 1.31 289 5
2420 0.550842789 177 1.32 0.044067423 1.95 260 5
3850 0.550964187 128 1.41 0.117 1.08 471 5
3530 0.552425146 165 1.23 0.11 1.57 494 5
2730 0.552913856 223 1.03 0.17 2 330 5
3130 0.553158535 252 1.02 0.174 2.13 322 5
3040 0.553709856 272 1.21 0.155 1.97 317 5
3830 0.554139421 153 1.27 0.137 1.47 455 5
3930 0.554569654 164 1.17 0.116 1.5 481 5
2430 0.554569654 136 1.3 0.198 2.11 226 8
3630 0.555247085 137 1.17 0.1 1.75 413 5
2490 0.555432126 176 1.06 0.113 1.39 236 5
3490 0.555555556 166 1.28 0.044444444 1.65 465 5
3840 0.556173526 164 1.23 0.0949 1.66 470 5
2480 0.556173526 239 1.28 0.102 2.2 238 5
3760 0.556173526 191 1.33 0.131 2.12 447 5
3850 0.556173526 174 1.35 0.241 2.42 381 3
3410 0.557413601 174 1.14 0.107 1.48 419 5
2960 0.559284116 229 1.08 0.165 1.99 304 5
3410 0.559284116 137 1.19 0.291 2.17 375 8
3300 0.560538117 121 1.13 0.153 1.82 352 8
3090 0.560538117 134 1.16 0.167 1.17 416 4
3210 0.560538117 124 1.09 0.172 0.82 390 4
3950 0.560538117 130 1.29 0.199 1.89 440 4
3300 0.561167228 131 1.06 0.242 2.45 367 8
2210 0.561167228 162 0.885 0.288 3.32 208 4
3170 0.561797753 126 1.3 0.151 1.31 388 4
2740 0.561797753 96.1 1.22 0.245 0.827 254 3
3750 0.561797753 144 1.08 0.257 2.62 366 3
3640 0.562429696 120 1.32 0.159 1.63 347 8
3210 0.563063063 148 1.29 0.206 2.18 352 8
2300 0.563697858 179 0.936 0.181 2.29 223 2
3410 0.564334086 141 0.856 0.136 2.03 370 8
3500 0.564334086 126 1.38 0.177 1.45 355 8
3470 0.564334086 101 0.989 0.222 1.84 349 3
2260 0.564334086 171 0.942 0.224 2.08 219 2
2220 0.564334086 180 0.956 0.281 1.84 219 4
2340 0.564971751 165 1.05 0.228 2.25 240 8
2380 0.564971751 161 0.976 0.287 1.6 214 4
3220 0.56561086 148 1.21 0.121 0.568 520 6
3920 0.566251416 176 1.08 0.045300113 2.26 637 6
3830 0.566251416 137 1.48 0.203 1.23 387 3
2510 0.566251416 152 1.24 0.222 1.84 223 8
2760 0.566251416 168 0.994 0.282 1.31 280 4
2640 0.566251416 154 0.979 0.345 1.52 291 4
3570 0.566893424 165 1.33 0.155 2.18 505 6
3170 0.566893424 126 1.08 0.162 1.41 341 4
3700 0.566893424 159 1.3 0.17 1.64 449 4
3250 0.566893424 104 1.32 0.2 1.37 372 8
3740 0.566893424 159 1.23 0.216 1.69 409 1
3380 0.566893424 163 1.53 0.245 2.19 367 3
3240 0.56753689 136 1.07 0.153 1.88 383 4
3400 0.56753689 109 1.36 0.161 1.16 420 4
3760 0.56753689 150 0.93 0.169 1.68 537 4
3560 0.56753689 123 1.03 0.193 2.32 374 8
2360 0.56753689 163 0.697 0.235 1.94 243 8
2430 0.56753689 166 0.762 0.247 2.31 231 8
3330 0.568181818 148 1.11 0.174 2 393 4
3080 0.568181818 139 1.13 0.188 2.08 349 8
3230 0.568181818 116 1.23 0.199 1.77 328 8
2180 0.568181818 144 1.01 0.215 2.13 207 8
2520 0.568181818 128 0.809 0.369 1.65 306 4
3320 0.568828214 152 1.15 0.14 1.65 395 4
2300 0.568828214 134 0.908 0.221 1.56 233 8
3730 0.568828214 141 1.58 0.238 1.96 405 3
3800 0.568828214 160 1.24 0.241 2.2 402 3
2440 0.568828214 153 1.03 0.258 1.89 223 4
3910 0.568828214 209 1.26 0.275 2.26 350 3
4010 0.569476082 139 1.28 0.045558087 1.7 602 6
2340 0.570125428 167 1.1 0.18 1.57 208 2
2360 0.570125428 176 0.704 0.2 1.6 219 2
3490 0.570776256 171 1.43 0.269 2.4 360 3
2620 0.571428571 132 1.09 0.202 1.8 224 8
3740 0.571428571 172 1.27 0.256 1.92 355 3
3600 0.57208238 128 1.16 0.17 1.94 434 4
3360 0.57208238 150 1.18 0.171 1.81 353 1
3620 0.57208238 131 1.28 0.177 2.24 360 3
3560 0.57208238 139 1.15 0.229 1.9 366 3
2740 0.572737686 277 0.876 0.171 1.71 290 10
2340 0.572737686 148 0.964 0.231 1.18 250 6
2760 0.572737686 168 0.905 0.303 2.1 264 4
2890 0.572737686 204 0.857 0.331 2.32 272 2
code is :

有一个叫做先知的 r 包非常好。它是一个广义的加法模型。因变量是您要解决的指标，自变量是：增长函数、季节性函数和一个变量，该变量将解释这两个变量中没有的东西。我希望能够添加另一个自变量。例如：

假设我想解决页面浏览量。我有过去九年的数据，在这个包中，它将考虑季节性和增长率来解决这个问题。我将如何包含另一个自变量，例如“温度”？

这是等式在幕后的样子：

我想添加另一个变量：

我将如何在先知包中做到这一点？

这是一个关于如何使用这个包的教程： https ://cran.r-project.org/web/packages/prophet/vignettes/quick_start.html

数据可在此处找到：https ://github.com/facebookincubator/prophet/blob/master/examples/example_wp_peyton_manning.csv

我想知道的主要问题是：“有没有办法在先知包中为我的广义加法模型添加一个额外的自变量？

谢谢，任何帮助都会很棒！

我在进行多元格兰杰因果检验时遇到问题。我想检查调节第三个变量是否会影响因果检验的结果。这是一个基于我之前提出的问题并由@Alex回答的单个因变量和自变量的样本

按列的格兰杰因果检验

例如，条件线性回归的方程将是

请问如何根据第三个或第四个变量执行此测试？