我正在使用包中的Pixel数据nlme来拟合具有lmList功能的模型：

我很好奇为什么当我尝试使用打印拟合的对象时我NaN会得到？Dog==10summary

我正在尝试测试和量化来自 http 服务器的间歇性错误响应。我构造了一个 curl 调用，可以发出必要的请求，但我已经厌倦了输入向上箭头并返回。

如何告诉 curl 重复发出请求，直到遇到错误，然后在错误之前输出成功响应的数量？

我目前正在为具有以下结构的 r 中的数据集运行 lmer()：

并收到以下关于固定效应的摘要：

然后，我使用此等式从对数和缩放变量预测我的实际值估计值，用于中值深度 (14)...这是下图中正确的实际值线：

lmer实际价值估计

但是当我使用这些等式添加 +/- 一个标准误差线时：

减去 SE

PLUS SE

我有这张图： lmer real estimate +/- one SE

并且所有线的交点在 x 值为 0.068341709

为什么 SE 线相交？这里发生了什么，我该如何/应该解决它？

我在 1990 年至 2010 年间在美国运行人口普查区的空间面板模型（使用 splm），并使用基于距离或连续性的相邻矩阵。但我也想对人口普查区所在城市的标准误差进行聚类。

在面板模型（plm）中有一种方法可以做到这一点（使用后估计函数“vcovHC”，然后是“coeftest”（见这里））但我没有看到也无法找到一种方法来做到这一点splm 对象。当我运行相同的代码时，我收到错误"Error in terms.default(object) : no terms component nor attribute."There are a lot of questions about clustering with other models，但没有关于 splm 包的问题，​​因此非常感谢任何帮助。

这可以在 Stata 中使用 XSLME 包完成，包括：调用结束时的 vce(cluster "group_var")，但是在 3 个面板上超过 37k+ 个案例时，Stata 崩溃。

具有相同问题的假设示例如下：

我想从我的线性回归中计算转换变量的标准误差，即除以两个变量并从这个变量中得到标准误差。

我使用包中的deltamethod函数msm，但未能获得准确的标准错误。

例如：

数据模拟：

线性回归：

获取 coef 和 vcov（这里我需要消除缺失，因为我的真实数据中的一些系数是 NA 并且我在循环中计算了很多回归）

Deltamethod，对于变量 x1 除以 x3（意思是我应该根据 msm 包使用 x2 和 x4）：

这给了我一个 3.21 的转换变量 (x1/x3) 的标准误差，而这个回归的所有标准误差都在 0.03 左右。

知道为什么/这里出了什么问题吗？也欢迎其他计算它的建议。

我希望有人可以帮助我解决以下问题：

我正在尝试制作一个组合条形图，显示为二进制变量（性别）记录的 3 个不同连续变量（体温、长度、质量）的平均值和标准误差。

我已经能够绘制每个变量的平均值，但我似乎无法使用我尝试过的任何代码成功计算这 3 个变量的标准误差。我尝试了很多事情，但我认为我在正确的轨道上：

然后我不断收到错误：

我试图在聚合（test4...）之后重新编码以定位我的 3 个变量，但我无法让它工作......然后我通过生成的数据框进行子集化以排除性别，但这没有用。然后我尝试将其定义为矩阵或向量，但仍然不起作用。

我希望我的最终图表有 y 轴 = 平均值，x 轴 = 变量（3 个子组（Tb、质量、长度），两个条并排显示男性和女性值以进行比较。

任何人都可以提供的任何帮助或指导将不胜感激！！

提前谢谢了！:)

我正在估计 Fama-Macbeth 回归。我已从该站点获取代码

在估计 fpmg 之后，我用双聚类估计鲁棒 SE：

我收到以下错误：

请建议如何解决这个错误？

更新： 我也尝试过“multiwayvcov”包，但它显示了同样的错误。这些包（Sandwich、multiwayvcov 等）中似乎不允许使用对象类。似乎 R 基本上使我所有的劳动都变得无用，我已经走到了死胡同。我已经找到了如何在 python 中执行上述操作（我的意思是代码），但我对此一无所知。

有没有办法解决R中的问题？

我试图在样本数据上建立逻辑回归模型。

我们可以获得的模型输出是用于构建模型的特征的权重。

我找不到用于估计标准误差、Wald-Chi Square 统计量、p 值等的 Spark API。

我在下面粘贴我的代码作为示例

模型权重输出为

只是一组权重。

虽然我能够计算 Precision、Recall、Accuracy、Sensitivity 和其他模型诊断。

有没有办法计算估计的标准误差、Wald-Chi Square 统计量、Spark 中的 p 值？

我很担心，因为 R 或 SAS 中有标准输出。

这是否与我们在 Spark 中使用的优化方法有关？

这里我们使用 L-BFGS 或 SGD。

可能是我不知道评估方法。

任何建议将不胜感激。

下表（平均值±标准差）包含将在出版物中呈现的真实数据。如您所见，数据范围非常广泛。使用 R，我将所有数字四舍五入为 3 个有效数字，但我想包括尾随零以及小数点左侧的零作为重要数字，以保持表格整洁。所以基本上我希望小数点两侧的所有数字（包括零）都被认为是重要的，因此无论数字如何，都只打印 3 位数字。这可能吗？我试过signif, round,和sprintf,没有成功。这些结果是使用options()formatCx$summary = paste(signif(x$Value, digits=3), "\u00b1", signif(x$se, digits=3))

请告诉我如何计算偏度和峰度以及它们各自的标准误差和与之相关的置信区间（即偏度的 SE 和峰度的 SE）我找到了两个包

1) package: 'measure'只能计算偏度和峰度

2) package: ' rela' 可以计算偏度和峰度，但默认使用引导程序，在计算过程中没有命令将其关闭。