PACKAGE
1.
SWIM
SWIM
adalah suatu package untuk menganalisis sensitivitas. Analisis sensitivitas
yang efisien untuk model stokastik berdasarkan sampel Monte Carlo. Paket SWIM
memberikan bobot pada skenario simulasi dari model stokastik, sehingga komponen
model yang ditekankan (variabel acak) memenuhi kendala probabilistik yang
diberikan (misalnya nilai yang ditentukan untuk ukuran resiko), dibawah bobot
skenario baru. Bobot skenario dipilih dengan meminimalkan minimalisasi entropi
relatif ke model baseline.
Untuk
menginstal package SWIM dapat diinstal :
a.
Dari
CRAN :
b.
Dari
GitHUb di Rstudio :
2.
Skedastic
Skedastic
adalah suatu package yang digunakan untuk membuat metode diagnostik untuk
mendeteksi heteroskedastisitas dalam model regresi linear yang dapat diakses
oleh pengguna R. Homoskesaticity mengacu pada asumsi varian konstan yang
dikenakan pada kesalahan model (gangguan).
Sebagian
besar fungsi dalam paket menerapkan metode pengujian hipotesis khusus untuk
mendeteksi heteroskesastisitas yang telah diterbitkan dalam artikel atau buku
jurnal. Hampir semua fungsi uang dieskpor dalam paket memerlukan sebagai
argumen lm objek. Jadi, untuk menggunakan package ini, pengguna harus terlebih
dahulu terbiasa dengan bagaimana menyesuaikan model regresi linear menggunakan
lm fungsi dari paket stats.
Untuk
menginstall package Skedastic dapat diinstal :
a.
Dari CRAN
install.packages(
"skedastic", dependencies = c(
"Depends",
"Imports"))
b.
Dari Github di Rstudio
install.packages(
"devtools")
devtools::install_github(
"tjfarrar/skedastic")
3.
semEff
semEff
adalah sebuah package yang menyediakan fungsionalitas untuk secara otomatis
menghitung efek langsung, tidak langsung, dan total dari model persamaan
struktural piecewise, terdiri dari daftar model yang sesuai yang mewakili
persamaan terstruktur. Interval kepercayaan disediakan melalui bootstrap. Kelas
model yang didukung saat ini adalah "lm", "glm",
"lmerMod", "glmerMod", "gls", dan
"betareg".
Untuk
menginstall package semEff dapat diinstal :
a.
dari
CRAN
install.packages(
"semEff")
b.
dari Github di Rstudio
# install.packages("devtools")
devtools::install_github(
"murphymv/semEff@develop")
4.
Ipfr
Ipfr
adalah suatu package yang digunakan untuk pemasangan proporsional berulang pada
distribusi marjinal berganda di R. Tujuan paket ini adalah untuk mempermudah
survei, menyeimbangkan matriks, dan sintesis populasi.
Untuk
menginstal package ini dengan cara :
a.
CRAN :
install.packages(
"ipfr")
b.
Github di Rstudio :
library(devtools)
install_github(
"dkyleward/ipfr", build_vignettes =
TRUE)
5.
modelplotr
modelplotr
adalah sebuah package yang digunakan untuk mengevaluasi kinerja bisnis model
prediktif. Package modelplotr memudahkan untuk membuat sejumlah plot evaluasi
yang berharga untuk menilai nilai bisnis dari model prediksi. Dengan
menggunakan plot ini, dapat ditunjukkan bagaimana implementasi model akan
berdampak pada target bisnis seperti respons atau pengembalian investasi
kampanye.
Untuk
menggunakan package ini dapat dilakukan dengan menginstal :
devtools::install_github(
"modelplot/modelplotr")
FUNCTION
1.
Stress_VaR()
Stress_VaR()
digunakan untuk melakukan pengukuran risiko VaR, kuantil. Dan juga digunakan
untuk menekankan nilai pada suatu risiko. Memberikan bobot pada skenario
simulasi dari model stokastik dasar, sehingga komponen model yang ditekankan
(variabel acak) memenuhi batasan pada kuantilnya pada tingkat tertentu, juga
dikenal sebagai Value-at-Risk (VaR). Bobot skenario dipilih dengan meminimalkan
minimalisasi entropi relatif ke model baseline.
Pemakaian :
stress_VaR(x, alpha,
q_ratio = NULL,
q = NULL,
k = 1)
Argumen :
·
x : Vektor,
matriks, atau bingkai data yang berisi realisasi variabel acak. Kolom yang x
sesuai dengan variabel acak; ATAU SWIMObjek, di mana xsesuai dengan data objek
yang mendasarinya SWIM.
·
Alfa
: Vektor numerik, tingkat VaR yang ditekan.
·
q_ratio
: Vektor numerik, rasio VaR yang ditekan dengan VaR dasar. Jika alpha dan
q_ratio adalah vektor, mereka harus memiliki panjang yang sama.
·
q : Vektor
numerik, VaR yang ditekan pada level alpha. Jika alphadan qadalah vektor,
mereka harus memiliki panjang yang sama.
·
k : Numerik,
kolom xyang ditekankan (default = 1).
2.
hetplot()
hetplot()
digunakan dalam Metode Grafis untuk mendeteksi Heteroskedastisitas dalam Model
Regresi Linier. Fungsi ini menciptakan berbagai plot pencar dua dimensi yang
dapat membantu mendeteksi heteroskedastisitas dalam model regresi linier.
Pemakaian :
hetplot(
mainlm,
horzvar = 1:n,
vertvar = "res",
vertfun = "identity",
filetype = NULL,
...
)
Argumen :
·
mainlm
: Entah objek class"lm", atau daftar dua komponen: vektor respons dan
matriks desain (dalam urutan itu). Jika yang terakhir, matriks desain harus
dimulai dengan kolom 1s jika intersep harus dimasukkan dalam model linier.
·
horzvar
: Vektor karakter yang menggambarkan variabel untuk plot pada sumbu horizontal
"explanatory"melewati semua kolom variabel penjelas.
·
vertvar
: Vektor karakter yang menggambarkan variabel yang akan di plot pada sumbu
vertikal
·
vertfun
: Vektor karakter memberikan nama fungsi untuk diterapkan ke vertvarvariabel.
·
filetype
: Karakter yang memberikan jenis file gambar yang plotnya harus ditulis.
Nilai-nilai bisa "png", "bmp", "jpeg", atau
"tiff"
3.
getEff()
getEff()
digunakan untuk mendapatkan efek SEM baik secara langsung, tidak langsung dan
atau efek total dari objek kelas “semEff”
Pemakaian :
getEff(eff,
type = "orig")
Argumen :
·
eff :
Objek kelas "semEff"
·
type
: Jenis efek yang dikembalikan. Harus berupa "orig" (default) atau
"boot"
4.
check_tables()
check_tables()
digunakan untuk memeriksa tabel seed dan target untuk kelengkapan. Diberikan
benih dan target, periksa untuk memastikan bahwa setidaknya satu pengamatan
dari setiap kategori marginal ada di tabel benih. Kalau tidak, ipf / ipu akan
menghasilkan jawaban yang salah tanpa melemparkan kesalahan.
Pemakaian :
check_tables(
primary_seed,
primary_targets,
secondary_seed = NULL,
secondary_targets =
NULL,
primary_id
)
Argumen :
·
seed_seed
: Dalam sintesis populasi atau perluasan survei rumah tangga, ini akan menjadi
tabel benih rumah tangga
·
primary_targets
: Setiap nama dalam daftar mendefinisikan dimensi marginal dan harus cocok
dengan kolom dari primary_seedtabel.
·
secondary_seed
: menggambarkan rumah tangga, tabel benih sekunder akan menggambarkan
orang-orang di setiap rumah tangga.
·
secondary_targets
: Format yang sama seperti primary_targets, tetapi mereka membatasi
secondary_seedtabel.
·
primary_id
: Bidang yang digunakan untuk bergabung dengan tabel benih primer dan sekunder.
Hanya perlu jika secondary_seeddisediakan.
5.
plot_multiplot()
plot_multiplot()
diggunakan untuk membuat plot dengan keempat plot evaluasi. Menghasilkan tata
letak yang mengandung sejumlah elemen grafis, termasuk judul, subtitle dan
empat plot evaluasi model: plot perolehan kumulatif, plot angkat, plot respons,
dan plot respons kumulatif.
Pemakaian :
plot_multiplot(data = plot_input, save_fig = FALSE,
save_fig_filename =
NA, custom_line_colors = NA,
highlight_ntile = NA, custom_plot_text = NULL)
Argumen :
·
data:
Kerangka data. Dataframe harus dibuat dengan plotting_scope atau memenuhi
format input yang diperlukan.
·
save_fig
: Logis. Simpan plot ke file? Default = SALAH. Ketika diatur ke TRUE, plot yang
disimpan dioptimalkan untuk 36x24cm.
·
save_fig_filename
: Tali. Nama file plot yang disimpan. Default plot disimpan sebagai tempdir ()
/ plotname.png.
·
custom_line_colors
: Vektor String. Menentukan warna untuk garis dalam plot. Saat tidak
ditentukan, warna dari palet RColorBrewer "Set1" digunakan.
·
highlight_ntile
: Bilangan bulat. Menentukan ntile tempat plot dianotasi dan / atau pertunjukan
disorot.
·
custom_plot_text
: Daftar. Daftar dengan elemen tekstual yang disesuaikan untuk plot. Buat
daftar dengan default dengan menggunakan customize_plot_textdan mengganti nilai
default untuk menyesuaikan.
Comments
Post a Comment
Terimakasih Telah Mengungungi Blog Saya...
#Thank You