Line

Summary 散布図にGLMなどの予測値を加える方法の備忘録。plot関数で図示したのち、abline関数やlines関数で上書きする。 Gaussian function “abline” First argumentに切片、Second argumentに傾きを入れる 正規分布を仮定したモデルの場合のみ有効 fit <- lm(Y ~ X, dat1) plot(Y ~ X, dat1) # estimated intercept and slope fit$coefficients ## (Intercept) X ## 0.07065496 0.20422560 # first argument: intercept, second argument: slope abline(fit$coefficients[1], fit$coefficients[2]) function “lines” 説明変数Xの最小値から最大値までの範囲の値を100等分(もしくはより多く)する変数xを作る 新しい変数xを基にしたdata.frameを作る predict関数で予測値をえる lines関数で書き加える fit <- lm(Y ~ X, dat1) # set new … Continue reading Line

Plot

Summary plot関数の使い方に関する備忘録 ポイント ポイントタイプを変える plot関数のpchを変更する plot(Y ~ X, dat1, pch = 1) plot(Y ~ X, dat1, pch = 19) ポイントサイズを変える plot関数のcexを変更する(デフォルトを1としたときの相対値を指定) plot(Y ~ X, dat1, cex = 3) フチの色を変える plot関数のcolを変更する plot(Y ~ X, dat1, pch = 21, col = "red") 中身の色を変える plot関数のbgを変更する(ただし、pch21など中身の色を変えられるシンボルを指定) #with border plot(Y ~ X, dat1, pch = 21, bg = "red") #with … Continue reading Plot

Ordinal Logistic Model

Summary 順序はあるが、定量的ではないデータに適用される統計モデル。例えば、環境状態を良い順に1-5のスコアで評価したデータなどが考えられる。詳細はこちらで解説されている。 function “polr” パッケージ:MASS ランダム効果:不可 その他:なし # sample data plot(as.numeric(dat1$Y) ~ X, dat1) # fitting with "polr" fit <- polr(Y ~ X, data = dat1) summary(fit) ## ## Re-fitting to get Hessian ## Call: ## polr(formula = Y ~ X, data = dat1) ## ## Coefficients: ## Value Std. Error t value ## X … Continue reading Ordinal Logistic Model

Generalized Linear Mixed Effect Model

Summary グループ構造のあるデータに対して適用される統計モデリングの枠組み。正規分布に従うグループレベルの誤差を加えることで、グループ間の違いを考慮しながら説明変数の効果(偏回帰係数)を推定する。 function “lmer” 確率分布:正規分布 パッケージ:lme4 その他:なし # sample data plot: points are colored by group Col <- rainbow(10) plot(Y ~ X, data = dat1, pch = 21, bg = Col[dat1$groupID], col = NA) # run lmer fit <- lmer(Y ~ X + (1|factor(dat1$groupID)), data = dat1) summary(fit) ## Linear mixed model fit by REML … Continue reading Generalized Linear Mixed Effect Model

Generalized Linear Model

Summary 統計モデリングの枠組みのひとつ。リンク関数を導入することで、様々な確率分布を仮定した線形モデルを統一的に扱う。 function “lm” 確率分布:正規分布 パッケージ:デフォルト その他:一般線形モデル(General Linear Model)と呼ばれることもある # sample data plot(Y ~ X, dat1) # run lm fit <- lm(Y ~ X, data = dat1) summary(fit) ## ## Call: ## lm(formula = Y ~ X, data = dat1) ## ## Residuals: ## Min 1Q Median 3Q Max ## -0.213395 -0.061946 0.007265 0.067644 0.230442 … Continue reading Generalized Linear Model