statistiek in R

Ik zou even de functie googlen, er zijn veel voorbeelden te vinden op internet in R.

Ik ken namelijk die functies die je gebruikt niet. En ik heb nu geen tijd om het voor je uit te testen.

Ik ben niet bekend met WRS, maar zou het kunnen dat je de independent variables in een andere volgorde toevoegt (kan uitmaken als je continue covariaten hebt) of dat iets niet als factor wordt gelezen (e.g. je hebt een variable c(1,2,3) en elk nummer staat voor een groep (is dus nominaal en zou een factor moeten zijn), maar R behandelt het als een continue variable)?



Hm, even WRS installeren... Pff, staat niet op CRAN, dus geen helppages inderdaad. Balen. Ik ben met packages altijd voorzichtig maar in dit geval zou het me helemaal niet verbazen als er gewoon ergens een foutje inzit, dat overkomt de besten. Ik ben de functies een beetje ingedoken, via tsplit naar covmtrim, en kwam dit tegen:

covest[1, 1] <- (n - 1) * winvar(x[[grp[1]]], tr)/(h * (h - 1))

. Winvar berekent de trimmed variance van x, en als trim 0 is (zoals jij het zet) is dat dus gewoon de variance van x. Als trim 0 is, zijn n en h gelijk. Dus dit berekent: (n-1) * (SSx/(n-1)) / (n * (n-1)) = SSx/(n*(n-1)) = var(x)/n. En dat slaat het op als de variance van x (i.e. element [1,1] van de covariance matrix).

Zelfde voor covariance:

covest[j, k] <- (n - 1) * wincor(x[[grp[j]]], x[[grp[k]]],

tr)$cov/(h * (h - 1))

Dat is (n-1) * cov(xj, xk) / (n * (n-1)) = cov(xj, xk)/n.



Je ziet het verschil met deze code:

x <- rnorm(100)

y <- rnorm(100)

xy <- cbind(x, y)

cov(xy)

covmtrim(xy, tr=0)



Nou kan het natuurlijk heel goed dat dat de bedoeling is... Deze waarden worden daarna gebruikt in johansp. Daar heet het 'vsqse' en ik weet niet genoeg van wat er daar berekend wordt om te weten of de variance en covariance wel of niet door n gedeeld moet zijn. Het viel me alleen op, ik had het niet eerder gezien.



Sorry dat ik niet meer kan helpen dan 'misschien klopt de functie gewoon niet'! Het was in elk geval een leuke manier om m'n lunchpauze interessant te houden, nu ga ik weer terug naar m'n eigen R werk

Okay, het kan inderdaad goed dat de functies kloppen! Het viel me alleen op, had het niet eerder gezien.



Kun je je data niet zelf trimmen? Dat is niet zo moeilijk, gewoon besluiten wat je er uit wilt gooien, nieuwe variabelen maken, en daar je gewone analyse op doen. Lijkt me, misschien denk ik te simpel vandaag.



Voor bootstrap, hm... Wat voor bootstrap wil je doen? Case resampling, residual resampling of nog wat anders? Vooral de eerste is makkelijk te schrijven - er zijn volgens mij functies voor maar als je dat niet kunt vinden wil ik je er wel stap voor stap doorheen praten?

Je boeken zouden ergens moeten uitleggen hoe die correctie voor het trimmen plaatsvindt en dan kun je dat zelf toevoegen.

Misschien inderdaad maar eerst uitzoeken wat de analyses precies inhouden, dan kun je ook beter kiezen wat jij nodig hebt Succes!