R语言分布滞后线性和非线性模型（DLMs和DLNMs）分析时间序列数据

相关推荐

• vlookup与row函数配合，轻松搞定一对多查询，简单实用

  今天跟大家分享下我们如何仅仅使用vlookup与row函数来实现一对多查询,我觉得这种方法可以称得上是最简单vlookup函数一对多查询的方式了,他的操作也并不难,下面就让我们来一起操作下吧 专栏 v ...

• R语言分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响

  原文链接 http://tecdat.cn/?p=23947 摘要 分布滞后非线性模型(DLNM)表示一个建模框架,可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联.该方法论基于交叉基的定 ...

• R语言分布滞后线性和非线性模型（DLM和DLNM）建模

  原文链接:http://tecdat.cn/?p=18700 前言 本文说明了R语言中实现分布滞后线性和非线性模型(DLM和DLNM)的建模.首先,本文描述了除时间序列数据之外的DLM / DLNM的 ...

• R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例

  原文链接:http://tecdat.cn/?p=21317 本文提供了运行分布滞后非线性模型的示例,同时描述了预测变量和结果之间的非线性和滞后效应,这种相互关系被定义为暴露-滞后-反应关联. 数据 ...

• R语言分布滞后非线性模型（DLNM）空气污染研究温度对死亡率影响建模应用

  原文链接:http://tecdat.cn/?p=23564 环境应激源往往表现出时间上的滞后效应,这就要求使用足够灵活的统计模型来描述暴露-反应关系的时间维度.在此,我们开发了分布式滞后非线性模型( ...

• R语言用ARIMA模型，ARIMAX模型预测冰淇淋消费时间序列数据

  原文链接:http://tecdat.cn/?p=22511 标准的ARIMA(移动平均自回归模型)模型允许只根据预测变量的过去值进行预测.该模型假定一个变量的未来的值线性地取决于其过去的值,以及过去 ...

• R语言深度学习：用keras神经网络回归模型预测时间序列数据

  原文链接:http://tecdat.cn/?p=23250 回归数据可以用Keras深度学习API轻松拟合.在本教程中,我们将简要地学习如何通过使用R中的Keras神经网络模型来拟合和预测回归数据. ...

• R语言聚类有效性：确定最优聚类数分析IRIS鸢尾花数据和可视化

  原文链接:http://tecdat.cn/?p=22879 数据集概述 这个数据集常用于数据概述.可视化和聚类模型.它包括三个鸢尾花品种,每个品种有50个样本,以及一些属性.其中一个花种与其他两个花 ...

• R语言实现k-means聚类优化的分层抽样(Stratified Sampling)分析各市镇的人口

  原文链接:http://tecdat.cn/?p=23038 简介 假设我们需要设计一个抽样调查,有一个完整的框架,包含目标人群的信息(识别信息和辅助信息).如果我们的样本设计是分层的,我们需要选择如 ...

• R语言结构方程SEM中的power analysis 效能检验分析

  原文链接:http://tecdat.cn/?p=23085 简介 本文对结构方程模型进行效能分析. 本文从一些简单的例子开始.其余部分提供了一些关于统计背景的说明,各种效应大小的定义,以及本包所含函 ...