除了线性图形估计(凝视-AT-散点图方法),它是从GLM家庭应用一些技术之前利用,有几种方法来算术为此估计(即,没有图)。

现在,我将重点放在Fisher的 ETA-平方 - 相关比:算术,它等于平方Pearson的 - [R (确定的COEF: [R 2 )如果两个变量之间的关系是线性的。因此,可以比较的 ETA - [R 并就类型关系的评估(直链或不)的值。它提供了有关在从属变量方差的百分比的信息通过独立变量解释(线性或非线性)。因此,你可以应用它,当不满足线性假设。

简单地说:?中的R是有ETA /例行ETA-平方

有帮助吗?

解决方案

我还是很愕然,我必须承认...有计算η或η 2 R ...所以,我根据写了一个函数的维基百科页面。这里所说:

eta <- function(x, squared = FALSE, ...) {
    stopifnot(is.list(x))
    ## unlist
    y <- unlist(x)
    ## group mean
    mg <- rapply(x, mean, ...)
    ## group size
    ng <- rapply(x, length, ...)
    ## total mean
    mtot <- mean(y, ...)
    ## SSb
    ssb <- sum(ng * (mg - mtot) ^ 2)
    ## SSt
    sst <- sum((y - mtot) ^ 2)
    # get eta-squared
    if (squared) {
      res <- ssb/sst
    # get eta
    } else {
      res <- sqrt(ssb/sst)
    }
    return(res)
}

因此,这产生另一个问题,我快要不久后...你用什么来检查线性度?然而,我无法计算p值,所以如果有人知道如何做到这一点...请让我知道!

其他提示

阅读这个问题,并在试图回答的功能后,我才发现这个 库 “sjstats” 。 有包括一个ETA-平方函数。 或许是为了将来的求职者有所帮助。

许可以下: CC-BY-SA归因
不隶属于 StackOverflow
scroll top