分类: 统计软件 |
分类: 统计软件 |
时间序列的不同时间分段设置
1. 普通的时间序列:年、月、季
2. 如果以天为单位的时间序列
1 t<-ts(1:365,frequency=1,start=as.Date('2017-05-01')) 2 s<-as.Date('2017-05-01') 3 date<-seq(from=s,by=1,length.out=365) 4 t<-data.frame(date,t)
或者可以利用zoo包进行一次排序
1 t<-seq(as.Date('2017-05-01'),length=365,by='day') 2 library(zoo) 3 mydata<-zoo(1:365,t)
1 #使用strptime函数 2 x<-strptime('2017-05-01 00:00:00','%Y-%m-%d %H:%M:%S')+900*1:10#这句代码的意思是设置成以15分钟为间隔的10个时间序列 3 library(zoo) 4 data<-zoo(1:10,x) 5 plot(data)#画出一个时序图
其实strptime()函数可以将时间序列分割成想要的频率模式,在这里是以秒为单位,15分钟的间隔就是15*60=900s。
install.packages('netmeta')
library(netmeta)
data(Senn2013)
Senn2013
nma <- netmeta(TE, seTE, treat1,treat2, studlab,data=Senn2013, sm='MD', reference='plac',comb.random=FALSE)
netgraph(nma, seq=c('plac', 'benf', 'migl', 'acar', 'sulf','metf', 'rosi', 'piog', 'sita', 'vild'))
print(nma,digits=2)
nma_re <- netmeta(TE, seTE, treat1, treat2, studlab, data=Senn2013, sm='MD', reference='plac',comb.random=TRUE)
nma_re
forest(nma,xlab='HbA1c mean difference', xlim=c(-1.5,1.5))
forest(nma_re,xlab='HbA1c mean difference')
round(nma$Q, 1)
round(nma$Q.heterogeneity, 1)
round(nma$Q.inconsistency, 1)
Qd <- nma$Q.decomp
Qd$Q <- round(Qd$Q, 1)
Qd$pval.Q <- round(Qd$pval.Q, 3)
Qd[Qd$df!=0,]
decomp.design(nma)
netheat(nma)
1、先将需要加括号的文字加不同的颜色,如红色。
2、选择替换,在左下角,点:更多,向下展开相关的设置选项,在格式里选择对应的颜色。
3、然后查找里格式选择红色字体,其它什么都不填,替换里输入(^&),并设置格式为黑色字体,全部替换即可。
import excel 'C:\Users\Administrator\Desktop\面板回归\Panel data 5.0.xlsx', sheet('Sheet1') firstrow
des
tsset Co Year
duplicates examples
xtline y
#不同地区的y的变化趋势
sum lnx1 lnx2 lnx3 Aregion Bregion Cregion workforce elderpeople y #描述性统计
xtreg y lnx1 lnx2 lnx3 workforce elderpeople,fe
est store fe
xtreg y lnx1 lnx2 lnx3 workforce elderpeople,re #随机效应模型
est store re
hausman fe re
xtgraph
xtreg y lnx1 lnx2 lnx3
workforce elderpeople ,re
xttest0
xtreg y lnx
分类: 视频教程 |
#一、单组率META
library(readxl)
guangzhou1 <-
read_excel('C:/Users/Administrator/Desktop/痴呆率的META分析/guangzhou.xlsx',sheet
= 'all')
data1 <- guangzhou1
install.packages('meta')
library(meta)
#M1为非对数转换结果
m1<-metaprop(studlab=author,r,n,data=data1,sm='PRAW',incr=0.5,allincr=TRUE,addincr = FALSE,comb.random=TRUE)
m11<-update(m1,sm='PLN') #对数转换
m11
forest(m11,digits = 4,comb.fixed = FALSE) #显示森林图,效应值显示到小数点后4位
funnel(m11,comb.random=TRUE)
metabias(m11,method.bias = 'linreg',plotit=T,k.min = 5) #发表偏倚检测
metainf(m11) #敏感性分析
forest(metainf(m11),comb.random=TRUE,digits = 4) #敏感性分析图
#以sample进行亚组分析
#
标签:
转载 |
标签:
转载 |
Logistic回归虽然名字叫”回归”
向量
euro
landmasses
precip
rivers
state.abb