问题标签 [p-value]

我有测量甲基化的数据。

数据：data.frame，900观察x 70患者 [30 ctrl，40 例]，所有值均为numeric，无NAs。

我使用以下代码：

我希望 pValue 是一个向量，每个观察行都有一个条目。

EDIT2：这是一个例子 - 缩短但你应该明白：

也许这里有人可以帮助我找出问题所在 - 也许我在这里遗漏了一些明显的东西。我已经看到其他考虑此错误消息的帖子，但答案就像“您的数据中有 NA 吗？” “哦，是的！” - 这不适用于我的问题.. 谢谢！

我打算在网络数据上使用它。

我的网络有两种边缘。我编写了一个函数，它分别返回这两种边缘类型的入度，以便您查看它的外观：

我写了另一个对网络边缘进行采样的函数。这是它之后的样子：

请注意，G_obs+R_obs，也就是节点的入度保持不变。

我想知道每个节点的 pValue 以在 G_obs 和 R_obs 之间具有最初观察到的入度分割。

编辑： 对不起 - 这似乎有点太不清楚了。我不想要观察到的分布的逐行概率。我想要观察到的G_obs，R_obs为每个节点分裂的概率，其中 sample(G_obs) + sample(R_obs) 仍然具有与以前相同的节点总和。下次我应该咨询以英语为母语的人以获得更好的措辞。希望我现在更清楚地描述了这个问题:(

编辑 2

观察：

如您所见，N1 有 5 个入边。其中 3 个为绿色 (G_obs)，其中 2 个为红色 (R_obs)

对于所示的 5 个节点，我们总共有 15 个绿色边缘和 6 个红色边缘。现在我们“采样”所有绿色和所有红色边缘，也就是将它们重新分配到指定的列中——但同时，N1 仍然有 5 个边缘。（参见上面的示例示例，其中

我已经有一个函数可以正确地提供“采样”（占位符mySample(graph)：），并且需要一个函数来获取 mySample，使用它例如 1000 次，并计算每个节点的原始观测值的可能性。

任何帮助表示感谢谢谢

我正在尝试使用 anova() 函数测试 rda 模型的整体意义，但我已经意识到，如果我多次运行 anova，它不仅每次都会给出不同的 p 值，而且也给出了不同的排列数。

Rfpreds<-rda(Rorders ~ Cornyield + Respiration + Nmin + logNase + logBGase + logPase, data=Rfunctions, na.action="na.omit")

方差分析（RFpreds）

所以我想看看我是否会使用更多的排列得到更一致的结果。我在使用 R 文档方面不是很有经验，但我的理解是我应该能够设置排列数：

方差分析（Rfpreds，排列 = 999）

但这会导致错误：

match.arg(model) 中的错误：“arg”必须为 NULL 或字符向量

我无法弄清楚我在这里做错了什么，但如果每次运行代码时它都不同，我当然不能报告 p 值。

我已经用谷歌搜索了很多关于这个主题的论文，但似乎没有找到我想要的。我是 SAS Macro 的初学者，希望能在这里得到一些帮助。这是我想要的：

我有一个包含 1200 个变量的数据集。我想要一个宏将这 1199 个变量作为 OUTCOME 运行，并将逻辑回归的 P 值存储在数据集中。因变量“性别”也是性格，结果变量也是如此。但我不知道如何将类语句放在宏中。这是我如何将其作为单个过程运行的示例。

我的想法是创建ODS输出并删除P值以外的不必要变量，并根据模型中的OUTCOME变量名称将它们合并到一个数据集中：例如

我试图玩一些 proc 宏，但我无法让它工作！！！我真的需要这方面的帮助，非常感谢。

我需要帮助手动编写带有外生变量的 GARCH 方程。我可以编写条件均值和条件方差方程，但不能使用外生变量。拟合的 GARCH 模型是 AR(1)-GARCH(1,1) 模型。这是我到目前为止所拥有的：

我需要帮助在条件均值方程中添加 mxreg1 和 mxreg2（重要的外生变量）。谢谢！

如果你很难回答这个问题，因为它就像一个手写方程，你可以尽力而为，并上传一张可读版本的条件平均方程的图片。谢谢！

我最近问了一个关于为所有可能的自变量组合循环 glm 命令的问题。另一位用户提供了一个很好的答案，可以运行所有可能的模型，但是我不知道如何生成所有可能 p 值的 data.frame。

上一个问题中建议的代码适用于二进制的自变量（粘贴在下面）。但是，我的几个变量是分类的。有什么方法可以调整代码，以便我可以为每个可能的模型生成一个包含所有 p 值的表（有 2,046 个可能的模型，有 10 个自变量......）？

一个自变量的示例是“基岩”，其中可能的类别包括：“耕地”、“淤泥”和“冰川沉积物”。为这些变量分配数值是不可行的，这是问题的一部分。任何建议，将不胜感激。

我有两个数组。一个是实际观察值的数组 -> 集群大小。其他是通过蒙特卡罗模拟计算的簇大小数组，因此我的精确零分布。我想将实际观察值转换为 p 值，以便稍后计算 FDR 校正的 p 值。我可以逐个元素地做，但应该有更好的方法

我对 p 值的概念感到困惑。一般来说，如果 p 值大于通常为 0.05 的 alpha，我们无法拒绝原假设，如果 p 值小于 alpha，我们拒绝原假设。据我了解，如果 p 值大于 alpha，则两组之间的差异只是来自采样错误或偶然。到目前为止一切都还好。但是，如果 p 值小于 alpha，则结果具有统计意义，我假设它在统计上不显着（因为如果 p 值小于 alpha，我们拒绝零假设）。

基本上，如果结果具有统计显着性，则拒绝零假设。但是，如果一个假设在统计上是显着的，怎么能被拒绝呢？从“统计显着”这个词，我理解结果是好的。

我想测试一组数据的独立性，可重复的示例如下：

我想测试不同收入组（q1-q5）之间v1、v2、v3和v4的独立性

它应该像

我想我应该应用 ANOVA 来获得测试结果，但我不确定如何。任何人都可以帮忙吗？

我想出了下面的脚本，这是正确的方法吗？有什么需要改进的吗？谢谢！

我想问一个关于如何在没有 t-stat 表的情况下计算 p 值的问题，只需查看该表，就像在以下链接http://faculty.arts.ubc 中的 pdf 的第一页上一样。 ca/dwhistler/326UBC/stataHILL.pdf。就像我不知道值 0.062 一样，如何通过查看表中的其他信息知道它是 0.062？