拓端tecdat|R语言在不同样本量下的Little‘s MCAR检验

原文链接：http://tecdat.cn/?p=10134

我进行一个小型仿真，以在不同样本量下测试Little的MCAR检验1。我可以研究线性回归中的异方差。我能够找到一些使用Little's MCAR检验的小样本研究人员的例子，因此我进行了仿真。

library(BaylorEdPsych)
library(simglm)
library(ggplot2)
library(dplyr)
library(mice)
fixed <- ~1 + age + income
fixed_param <- c(2, 0.3, 1.3)
cov_param <- list(dist_fun = c('rnorm', 'rnorm'),var_type = c("single", "single"),opts = list(list(mean = 0, sd = 4),list(mean = 0, sd = 3)))

ggplot(little.mcar.p, aes(x = n, y = p)) + geom_boxplot() +geom_crossbar(aes(ymin = q025, y = q05, ymax = q075), data = summarise(group_by(little.mcar.p, n), q025 = quantile(p, .025, na.rm = TRUE),q05 = quantile(p, .05, na.rm = TRUE), q075 = quantile(p, .075, na.rm = TRUE))) +geom_hline(yintercept = .05) +scale_y_continuous(breaks = seq(0, 1, .05), limits = c(0, 1)) +labs(x = "Sample size", y = "p-value",title = "Little's MCAR test for data that are MCAR",subtitle = "2000 replications",caption = paste(paste("For the narrow boxes, going from top to bottom, lines","represent 7.5th, 5th and 2.5th percentiles of p-values."),"Test maintains nominal error rate across wide range of sample sizes.",sep = "\n"))

ggplot(little.mcar.p.mar, aes(x = n, y = p)) + geom_boxplot() +geom_crossbar(aes(ymin = q925, y = q95, ymax = q975), data = summarise(group_by(little.mcar.p.mar, n), q925 = quantile(p, .925, na.rm = TRUE),q95 = quantile(p, .95, na.rm = TRUE), q975 = quantile(p, .975, na.rm = TRUE)), linetype = 2) +geom_hline(yintercept = .05) +scale_y_continuous(breaks = seq(0, 1, .05), limits = c(0, 1)) +labs(x = "Sample size", y = "p-value",title = "Little's MCAR test for data that are MAR",subtitle = "2000 replications",caption = paste(paste("For the dashed boxes, going from top to bottom, lines","represent 97.5th, 95th and 92.5th percentiles of p-values."),"Test only maintains nominal error rate around sample size of 120.",sep = "\n"))

回归接近完美（没有多重共线性）。

拓端tecdat|R语言在不同样本量下的Little‘s MCAR检验相关推荐

拓端tecdat|R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险
最近我们被客户要求撰写关于冠心病风险的研究报告,包括一些图形和统计输出. 相关视频:R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险逻辑回归Logistic模型原理和R语言分类预测冠 ...
拓端tecdat|R语言用LOESS(局部加权回归)季节趋势分解（STL）进行时间序列异常检测
最近我们被客户要求撰写关于LOESS(局部加权回归)的研究报告,包括一些图形和统计输出. 这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法.我们将对一种叫做STL的算法进行研究, ...
拓端tecdat|R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...
拓端tecdat|R语言线性回归和时间序列分析北京房价影响因素可视化案例
最近我们被客户要求撰写关于北京房价影响因素的研究报告,包括一些图形和统计输出. 目的房价有关的数据可能反映了中国近年来的变化: 人们得到更多的资源(薪水),期望有更好的房子人口众多独生子女政策: ...
拓端tecdat荣获掘金社区入驻新人奖
2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...
拓端tecdat荣获2022年度51CTO博主之星
相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...
R语言可视化分面图、假设检验分组t检验、可视化单变量分组分面箱图（faceting bar plot）、添加误差条（error bar）、添加p值、添加抖动数据点（jitter points）
R语言可视化分面图.假设检验分组t检验.可视化单变量分组分面箱图(faceting bar plot).添加误差条(error bar).添加p值.添加抖动数据点(jitter points) 目录
R语言非独立多分组非参数检验、Kruskal–Wallis检验进行非独立多分组非参数检验（Nonparametric multiple comparisons）、当ANOVA不满足条件的情况下
R语言非独立多分组非参数检验.Kruskal–Wallis检验进行非独立多分组非参数检验(Nonparametric multiple comparisons).当ANOVA不满足条件的情况下.R语言 ...
R语言可视化分面图、假设检验分组t检验、可视化单变量分组分面箱图（faceting boxplot）并添加p值（Make facet boxplot and add p-values）、添加抖动数据点
R语言可视化分面图.假设检验分组t检验.可视化单变量分组分面箱图(faceting boxplot)并添加p值(Make facet boxplot and add p-values).添加抖动数据点 ...
拓端tecdat|bilibili视频流量数据潜望镜
最近我们被客户要求撰写关于bilibili视频流量的研究报告,包括一些图形和统计输出. 最新研究表明,中国有超过7亿人在观看在线视频内容.Bilibili,被称为哔哩哔哩或简称为B站,是中国大陆第二个 ...

拓端tecdat|R语言在不同样本量下的Little‘s MCAR检验

原文链接：http://tecdat.cn/?p=10134

拓端tecdat|R语言在不同样本量下的Little‘s MCAR检验相关推荐

最新文章

热门文章