R语言用线性混合效应（多水平/层次/嵌套）模型分析声调高低与礼貌态度的关系
线性混合效应模型与我们已经知道的线性模型有什么不同？
Tag Archives: 线性
R语言混合线性模型、多层次模型、回归模型分析学生平均成绩GPA和可视化
对于不熟悉的人来说，围绕混合模型的术语，特别是跨学科的术语，可能有点令人困惑。你可能遇到的关于这些类型的模型的一些术语包括。
R语言线性混合效应模型（固定效应&随机效应）和交互可视化3案例
在本文中，我们将用R语言对数据进行线性混合效应模型的拟合，然后可视化你的结果。
R语言中贝叶斯网络（BN）、动态贝叶斯网络、线性模型分析错颌畸形数据
贝叶斯网络（BN）是一种基于有向无环图的概率模型，它描述了一组变量及其相互之间的条件依赖性。
R语言投资组合优化求解器：条件约束最优化、非线性规划求解
本文将介绍R中可用于投资组合优化的不同求解器。
R语言计量经济学：虚拟变量(哑变量)在线性回归模型中的应用
然而，诸如性别、季节、地点等变量则不能用数字来衡量。相反，我们使用虚拟变量来衡量它们。
R语言中的多项式回归、局部回归、核平滑和平滑样条回归模型
当线性假设无法满足时，可以考虑使用其他方法。
广义线性模型(GLMs)算法和零膨胀模型分析
广义线性模型（GLM） 是通过连接函数,把自变量线性组合和因变量的概率分布连起来
R语言中广义线性模型(GLM)中的分布和连接函数分析
通常，GLM的连接函数可能比分布更重要。
使用线性模型、回归决策树自动组合特征因子水平
每次我们在应用计量经济学课程中遇到实际应用时，我们都要处理类别变量。
如何解决线性混合模型中畸形拟合(Singular fit)的问题
当获得奇异拟合时，这通常表明模型过度拟合-也就是说，随机效应结构太复杂而无法由数据支持，这自然导致建议删除随机效应中最复杂的部分结构（通常是随机斜率）。这种方法的好处在于，它生成了一个更加简约的模型，但并没有过度拟合
R语言中回归模型预测的不同类型置信区间应用比较分析
当我们要为预测提供一个置信区间时，建议您为预测器确定置信区间参数的估计和潜在值的置信区间。
使用SAS，Stata，HLM，R，SPSS和Mplus的多层线性模型HLM
本文档用于比较六个不同统计软件程序（SAS，Stata，HLM，R，SPSS和Mplus）的两级多层（也称分层或层次）线性模型的过程和输出。
基于R统计软件的三次样条和光滑样条模型数据拟合及预测
样条线是拟合非线性模型并从数据中学习非线性相互作用的一种方法。
R语言分层线性模型案例
有许多分层数据的例子。例如，地理数据通常按层次分组，可能是全球数据，然后按国家和地区分组 。一个生物学的例子是按物种分组的动物或植物的属性，或者属于一个级别的属性，然后是家族。一个商业例子可能是业务部门和细分的员工满意度。
用SPSS估计HLM多层（层次）线性模型
多层线性模型（Hierarchical Linear Model，HLM），也叫多水平模型（Multilevel Model，MLM），是社会科学常用的高级统计方法之一。
R语言用Rshiny探索lme4广义线性混合模型（GLMM）和线性混合模型（LMM）
随着软件包的进步，使用广义线性混合模型（GLMM）和线性混合模型（LMM）变得越来越容易。
R语言线性混合效应模型实战案例
处理分组数据和复杂层次结构的分析师，从嵌入在参与者中的测量，嵌套在州内的县或嵌套在教室内的学生，经常发现他们需要建模工具来反映他们数据的这种结构。
R语言线性混合效应模型实战案例
R语言 线性混合效应模型实战案例
