忍者ブログ
1

×

[PR]上記の広告は3ヶ月以上新規記事投稿のないブログに表示されています。新しい記事を書く事で広告が消えます。


線形混合モデルと潜在成長曲線モデルは同じものらしいが、どうもよくわからないので、Rで実行してみて、結果の数値が一致するところから調べて勉強してみる。
⇒ 結論:まだよくわからない。
モデルの指定の仕方がおかしい気がする。lmeは欠損値に強いらしいので、うまく使って、個人のデータを入れて時間経過後の予測ができるようにしたい。


# データフレームをつくる
dat <- data.frame(
  g1 = c(8, 11, 9, 7, 8, 15, 8, 9, 8, 15, 3, 9, 11, 13, 10, 13, 13, 11, 8, 8),
  g2 = c(14, 17, 16, 10, 22, 22, 16, 12, 14, 17, 15, 14, 16, 21, 20, 22, 16, 17, 13, 12),
  g3 = c(16, 20, 20, 19, 28, 30, 25, 25, 24, 14, 15, 21, 18, 28, 25, 23, 23, 23, 18, 15)
)
library(reshape)
sbj <- paste("sbj", 1:nrow(dat), sep="")
dat2 <- data.frame(sbj, dat)
datl <- melt(dat2, id.vars="sbj")
library(lme4)
fitlme <- lmer(value~variable + (1|sbj), data=datl)
summary(fitlme)
PR
長らく更新をさぼってしまいましてすみません。

今後、このサイトはRに加えて、いろいろなことを書いていこうと思います。

最近熱いのはPythonとデータ分析、ベイズ統計、機械学習、項目反応理論なんかです。
そのほか、英語の勉強法とかいろいろ気になったことを書いていくブログにしようかと。

よろしくお願いします。

こちらより、自分用にコピペ。感謝 


1.sources.listをテキストエディタで開く
  sudo gedit /etc/apt/sources.list

2.以下の行を追加
 deb http://cran.md.tsukuba.ac.jp/bin/linux/ubuntu natty/

3.追加後以下のコマンドを実行
$ gpg --keyserver subkeys.pgp.net --recv-key E084DAB9
$ gpg -a --export E084DAB9 | sudo apt-key add -


4.以下のコマンドを実行
$ sudo apt-get update
$ sudo apt-get install r-base
$ sudo apt-get install r-base-dev
$ sudo apt-get install r-cran-*

the batman equation

上のサイトよりコピペ


require(ggplot2)
 
 
f1 <- function(x) {
    y1 <- 3*sqrt(1-(x/7)^2)
    y2 <- -3*sqrt(1-(x/7)^2)
    y <- c(y1,y2)
    d <- data.frame(x=x,y=y)
    d <- d[d$y > -3*sqrt(33)/7,]
    return(d)
}
 
x1 <- c(seq(3, 7, 0.001), seq(-7, -3, 0.001))
d1 <- f1(x1)
p1 <- ggplot(d1,aes(x,y)) + geom_point(color="red")
 
x2 <- seq(-4,4, 0.001)
y2 <- abs(x2/2)-(3*sqrt(33)-7)*x2^2/112-3 + sqrt(1-(abs(abs(x2)-2)-1)^2)
 
p2 <- p1 + geom_point(aes(x=x2,y=y2), color="yellow")
 
 
 
x3 <- c(seq(0.75,1,0.001), seq(-1,-0.75,0.001))
y3 <- 9-8*abs(x3)
p3 <- p2+geom_point(aes(x=x3,y=y3), color="green")
 
x4 <- c(seq(0.5,0.75,0.001), seq(-0.75,-0.5,0.001))
y4 <- 3*abs(x4)+0.75
p4 <- p3+geom_point(aes(x=x4,y=y4), color="steelblue")
 
x5 <- seq(-0.5,0.5,0.001)
y5 <- rep(2.25,length(x5))
p5 <- p4+geom_point(
require(ggplot2)
 aes(x=x5,y=y5))
 
x6 <- c(seq(-3,-1,0.001), seq(1,3,0.001))
y6 <- 6 * sqrt(10)/7 +
    (1.5 - 0.5 * abs(x6)) * sqrt(abs(abs(x6)-1)/(abs(x6)-1)) -
    6 * sqrt(10) * sqrt(4-(abs(x6)-1)^2)/14
p6 <- p5+geom_point(aes(x=x6,y=y6), colour="blue")
 
p <- p6+theme_bw()
print(p)


今はもうほとんどこっちを更新してます。

以下はこのブログへのアクセスに使われた検索ワード
Excelのエラーバーの検索が多いw

1     R
2     r
3     エラーバー
4     R (Yahoo検索)
5     ロジスティック
6     spss
7     エクセル
8     棒グラフ
9    2007
10     excel
11     グラフ
12     交互作用
13     効果量
14     多重比較
15     信頼区間
16     lavaan
17     lrm
18     ロジスティック回帰
19     因子分析
20     最尤推定
プロフィール
HN:
tao
HP:
性別:
非公開
職業:
会社員
趣味:
アウトドア、自転車、ジョギング、英語学習
自己紹介:
・千葉在住のサラリーマンです。データ分析っぽいことが仕事。
・今年英検1級取得。今はTOEIC高得点を目指して勉強中。
・興味のあることは野球、アウトドア、英語学習、統計、プログラミング、PC関係などなど。
ブログ内検索
freead
順位表
プロ野球データFreak
セリーグ順位表
パリーグ順位表