R:线性方程系统中的最小二乘估计

发布于 2025-02-06 07:59:51 字数 1489 浏览 3 评论 0原文

我将通过重复度量估算线性方程系统的一些参数。我的方程式看起来会如下:

variant1:”

variant2:”

至少10个值(重复测量;技术复制),每个““。我想估计““ resp。 “

此外,如果可能的话,我想知道这些估计的标准错误。

在R中,我的数据集看起来像这样(实际上我有:

i <- rep(1:3, each = 30)
j <- rep(rep(1:3, each = 10), 3)

K.i  <- rep(c(6, 5, 10), each = 30) + rnorm(90)
K.ij <- K.i + rnorm(90)

# X_i, X_ij and x_ij should be 0 (since I assumed K_j being K_ij + normal noise

data <- cbind(i, j, K.i, K.ij)

如何估算预期参数值(最小化正方形的总和)以及在R中这些估计值的标准错误?

非常感谢您的帮助!

I'm going to estimate some parameters of linear equation systems with repeated measures. My equations will look like this:

Variant1: X_i + K_j + X_ij = K_ij

Variant2: X_i + K_j + x_ij * X_i * K_j = K_ij

At least 10 values (repeated measures; technical replicates) are known for every K_j and K_ij. I want to estimate the values for X_i and X_ij resp. x_ij.

Additionally I'd like to know the standard error of these estimates, if possible.

In R, my data set would look like this (in reality I have :

i <- rep(1:3, each = 30)
j <- rep(rep(1:3, each = 10), 3)

K.i  <- rep(c(6, 5, 10), each = 30) + rnorm(90)
K.ij <- K.i + rnorm(90)

# X_i, X_ij and x_ij should be 0 (since I assumed K_j being K_ij + normal noise

data <- cbind(i, j, K.i, K.ij)

How can I estimate the expected parameter values (minimizing the sums of squares) and the standard errors of these estimates in R?

Thanks a lot in advance for your help!

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文