scratch-R: generalized linear models
オプションについて詳しくは help(glm) や help(family) を見よう。 ここでは一般線形モデルのうちロジスティック回帰、ポアソン回帰、生存時間分析について紹介する。. ロジスティック回帰 ロジスティック回帰は連続量である予測変数から2値変数を予測するときに用いる。制約が少ないので判別分析よりも好まれる。予測変数にカテゴリカル変数を含めることもできる。 # データとspss結果はuclaのサイトから。感謝。 # 以下も参考: R Data Analysis Examples Logit Regression # データ準備 library(foreign) dat <- read.spss("http://www.ats.ucla.edu/stat/data/hsb2.sav", to.data.frame=T) names(dat) <- tolower(names(da
scratch-R: cluster analysis
クラスター分析 R では様々なクラスター分析を行うことができる (cran task view)。本稿では階層的凝集法 (hierarchical agglomerative) 、分割法 (partitioning) 、モデルベース法 (model based) について説明する。絶対に正しいという手法はないので注意。 参考 Rでクラスター分析 Rとクラスター分析1 Rとクラスター分析2 クラスタリングとは (クラスター分析とは) 《クラスター分析》 データの準備 欠損値を省いておくこと。 # 足立浩平 (2006). 多変量データ解析法――心理・教育・社会系のための入門―― ナカニシヤ出版の第2章から。感謝 mat <- matrix(c(3.2, 3.4, 3, 3.2, 4.2, 4, 4, 3.7, 3.6, 3.6, 3.7, 3.4, 3.2, 3.2, 2.7, 3.5, 3
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
