統計解析ログ/GLMM - 引越作業中
特徴 familyはbinomialとpoissonが使える Random effectは一個しか指定できない Random effectの指定方法 > result <- glmmML(formula, family=**, cluster=**, data=**)
R: hSDMパッケージをためす: Taglibro de H
R Package for Hierarchical Bayesian species distribution models now available | Adam M. Wilsonという記事で紹介されていたhSDMパッケージをためしてみた。 例題として、久保本11章の空間構造のある階層ベイズモデルをやってみる。 library(hSDM) load(url("http://hosho.ees.hokudai.ac.jp/~kubo/stat/iwanamibook/fig/spatial/Y.RData")) n.site <- length(Y) adj <- c(2, sapply(2:(n.site - 1), function(i) c(i - 1, i + 1)), n.site - 1) n.adj <- c(1, rep(2, n.site - 2), 1) data
R: RStanをためす (2): Taglibro de H
つづいて、久保本9章の例題をやってみる。 ## Kubo Book Chapter 9 library(rstan) ## load data load(url("http://hosho.ees.hokudai.ac.jp/~kubo/stat/iwanamibook/fig/gibbs/d.RData")) model <- ' data { int<lower=0> N; // number of data real X[N]; // explanatory variable real MeanX; // mean of X int<lower=0> Y[N]; // response variable } parameters { real beta1; real beta2; } transformed parameters { real<lower=0> lambda[N];
生態学データ解析 - R2WBwrapper
R2WinBUGS が使いにくいので作った wrapper 関数群についての説明です ようするに R から WinBUGS を使うのが少しラクになります ファイル: R2WBwrapper.R …… これをダウンロードしてください library(R2WinBUGS) が必要，install.packages("R2WinBUGS") でインストールできます 参照: R2WinBUGS, 例/car.normal() 久保用メモ: わたすデータのチェックをする? (data.frame は許可しない，とか) [もくじ] 使用例 関数の説明 使用例 例/car.normal() に掲載している R2WBwrapper.R の使用例です 内容は データの準備 パラメーターの初期値の設定 (そして WinBUGS が結果を保存するかどうかの設定) WinBUGS の呼び出しとその結果のうけとり
計算生態学 - GLMM
混合 (効果) モデル，とくに一般化線形混合モデル (generalized linear mixed model; GLMM; 一般化線形混合効果モデルとも) を簡単に紹介するペイジです 混合ではない一般化線形モデル (GLM) については GLM 参照 を 混合モデルは fixed effects と random effects の項を同時にもつ統計モデルです [もくじ] 2010 年代のニュース ネット上の GLMM の解説 混合モデルを推定計算する R の関数たち 尤度を数値積分しようとする方法 MCMC 計算によって解決するもの 尤度近似数値積分などつかう方法 罰則つき擬似尤度 (PQL) つかう方法 正規分布の線形・非線型混合モデル もっと複雑な random effects をあつかいたい 書籍 2010 年代のニュース 2017-10-26 glmmTMB bioRxiv
R解析用データフォーマット例 （解析用データの作り方）
Rの統計ネタは自分自身の勉強を兼ね発信しています。作成者は統計の専門家ではないので自己責任でご参照ください。ご指摘も（応援も^^）歓迎します！ R講座などをやるようになって、もっとも必要性を痛感しているトピックです。コンピュータを用いてあらゆる統計解析を実行する上で、ごく基本的なデータフォーマットの作り方が案外知られていないようなので紹介しておきます。 下記のような形式にするのが一般的です。これ以外の形式で作られたデータセットはケースバイケースな変換が必要であり極めて扱いづらいです。あらゆるデータは日常的に全てこの形式で作成することをお勧めします。また私の知る限り、現行ではこの形式を受け付けられない統計用ソフトウェアはありません（Excelでさえ、カテゴリーごとの集計が可能なsumifなどの関数群がちゃんと用意されています）。 以下は、Rに内蔵のデータセット"Chile"の一部です（これの
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
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
http://cran.r-project.org/web/packages/maxent/maxent.pdf
Home
Species Distribution Modeling
ade4 downloads%25A5%25D1%25A5%25C3%25A5%25B1%25A1%25BC%25A5%25B8%25C3%25E6%25A4%25CE%25A5%25AA%25A5%25D6%25A5%25B8%25A5%25A7%25A5%25AF%25A5%25C8%25B0%25EC%25CD%25F7)
adehabitat(動物の生息場所選択の解析)パッケージ中のオブジェクト一覧 - RjpWiki