Package dan Function pada R

 

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 :

https://CRAN.R-project.org/package=SWIM ;

b.      Dari GitHUb di Rstudio :

https://github.com/spesenti/SWIM

 

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.