dplyr中的多组差异 球门
目前,我只报告我在下面显示的计算方法,但我想添加置信区间 如果我有正确格式的数据,我就不必使用线性回归LM来计算估计的分组差异及其间隔,但我很难获得正确格式的数据 以下是一些数据: 假数据 出身背景 这是我经常做的三个计算dplyr中的多组差异 球门,r,dplyr,linear-regression,R,Dplyr,Linear Regression,目前,我只报告我在下面显示的计算方法,但我想添加置信区间 如果我有正确格式的数据,我就不必使用线性回归LM来计算估计的分组差异及其间隔,但我很难获得正确格式的数据 以下是一些数据: 假数据 出身背景 这是我经常做的三个计算 > # pre - post 2016 > pp16 <- 1498 - 899 > pp16 [1] 599 > > # pre - post 2017 > pp17 <-1100 - 999 > pp17 [1] 1
> # pre - post 2016
> pp16 <- 1498 - 899
> pp16
[1] 599
>
> # pre - post 2017
> pp17 <-1100 - 999
> pp17
[1] 101
>
> # net of control: pp2016 - pp2017
> noc <- pp16 - pp17
> noc
[1] 498
这个问题的答案是:
2016年或2017年前后的差异是什么
2017s前后差异是否大于2016s前后差异
我想回答这些问题,不仅要用估计,还要用置信区间。如上所述,我计划使用lm获得差异的置信区间,但我很难获得正确格式的数据
我认为这将需要两套数据集。一个用于年度期间差异,另一个用于控制净额差异。这导致了以下问题
问题
如何计算按期间和年份分组的n的差异
如何计算差异的差异
首先,你可以通过使用另一组来获得差异 对于回归,您实际上不需要更改数据帧-需要数据来计算效果。我想,但不确定我是否理解正确,您正在寻找一个具有交互效果的模型 例如: 请注意,交互效果基本上就是这种差异
> # pre - post 2016
> pp16 <- 1498 - 899
> pp16
[1] 599
>
> # pre - post 2017
> pp17 <-1100 - 999
> pp17
[1] 101
>
> # net of control: pp2016 - pp2017
> noc <- pp16 - pp17
> noc
[1] 498
diffs <- df %>%
group_by(year, period) %>%
summarise(mean = mean(n)) %>%
group_by(year) %>%
summarise(diff = diff(mean))
# A tibble: 2 x 2
year diff
<dbl> <dbl>
1 2016 599
2 2017 105
diff(rev(diffs$diff))
[1] 493.8846
m1 <- lm(n ~ period + factor(year) + period*factor(year), data = df)
summary(m1)