R中的boxcox()函数应该怎么用呢?
帮助中写的
boxcox(object, lambda = seq(-2, 2, 1/10), plotit = TRUE, interp, eps = 1/50, xlab = expression(lambda),ylab = "log-Likelihood", ...)
我不明白的地方是object应该是输入哪一个公式呢?
我知道boxcox变换的原理大致就是:
把简单线性模型yi=b0+b1x+e中的y变换成G(y)=(y^lambda-1)/lambda(lambda不为0)
但是在用R里的函数boxcox()的时候就不知道object处该就写成Y~X呢,还是(y^lambda-1)/lambda~x,或者都不对。
另外,这个函数的输出结果似乎就是一张lambda的分布图,是不是找出概率最大的那个lambda值就是可以作为模型中lambda的估计值了呢?可是模型中其他的参数b0、b1的估计值从哪里可以找到呢?
就这么多了,R新手求帮助~~~~(>_<)~~~~
帮助中写的
boxcox(object, lambda = seq(-2, 2, 1/10), plotit = TRUE, interp, eps = 1/50, xlab = expression(lambda),ylab = "log-Likelihood", ...)
我不明白的地方是object应该是输入哪一个公式呢?
我知道boxcox变换的原理大致就是:
把简单线性模型yi=b0+b1x+e中的y变换成G(y)=(y^lambda-1)/lambda(lambda不为0)
但是在用R里的函数boxcox()的时候就不知道object处该就写成Y~X呢,还是(y^lambda-1)/lambda~x,或者都不对。
另外,这个函数的输出结果似乎就是一张lambda的分布图,是不是找出概率最大的那个lambda值就是可以作为模型中lambda的估计值了呢?可是模型中其他的参数b0、b1的估计值从哪里可以找到呢?
就这么多了,R新手求帮助~~~~(>_<)~~~~