Trong trường hợp nào bạn tạo ra sự tương phản trong phân tích của mình? Làm thế nào nó được thực hiện và nó được sử dụng để làm gì?Làm thế nào (và tại sao) bạn có sử dụng sự tương phản?
Tôi đã kiểm tra ?contrasts và ?C - cả hai đều dẫn đến "Chương 2 của các mô hình thống kê trong S", không có sẵn cho tôi.
Độ tương phản là cần thiết khi bạn phù hợp với mô hình tuyến tính với các yếu tố (tức là các biến phân loại) làm biến giải thích. Độ tương phản xác định cách các mức của các yếu tố sẽ được mã hóa thành một họ các biến giả số để lắp đặt mô hình.
Dưới đây là một số lưu ý tốt cho các giống khác nhau của sự tương phản được sử dụng: http://www.unc.edu/courses/2006spring/ecol/145/001/docs/lectures/lecture26.htm
Khi tương phản sử dụng được thay đổi, mô hình vẫn giữ nguyên về mặt phân bố xác suất doanh cơ bản cho phép. Chỉ thay đổi parametrization của nó. Các giá trị được trang bị vẫn giữ nguyên. Ngoài ra, một khi bạn có giá trị của các tham số cho một sự lựa chọn của sự tương phản, nó rất dễ dàng để lấy được những gì giá trị của các thông số cho một sự lựa chọn khác của tương phản sẽ được.
Do đó, việc lựa chọn các tương phản không có hậu quả thống kê. Nó hoàn toàn là vấn đề làm cho các hệ số và các bài kiểm tra giả thuyết dễ hiểu hơn.
Hãy xem here (các trang 365-370, miễn phí để xem). Trên trang 364 bắt đầu phân tích một chiều về phương sai của thử nghiệm cạnh tranh thực vật. Mã từ trang 364 bị thiếu là:
comp<-read.table("c:\\temp\\competition.txt",header=T)
attach(comp)
names(comp)
[1] "biomass" "clipping"
The categorical explanatory variable is clipping and it has five levels as follows:
levels(clipping)
...
Định nghĩa tương phản được đưa ra sau, trên trang 368 (trong đoạn đồng âm). Nếu bạn muốn làm theo các ví dụ, bạn có thể tải xuống các tập dữ liệu. Xem my post here.
Đó là câu hỏi được đặt ra là rất khuyến khích.
Có rất nhiều đề tài thảo luận về vấn đề này trong các lưu trữ trợ giúp. Ngoài ra, bạn có thể muốn chỉnh sửa tiêu đề của mình (s/way/why/I presume). –