Rcmdr.kr: An R Commander User in Korea

도구 > Rcmdr 선택기능 저장하기...

Tools > Save Rcmdr options...

R Commander를 사용하다보면, 기본 설정을 조금 바꾸고 싶은 생각이 들 때가 생긴다. 화면의 글씨가 너무 커 보이거나, 입력창과 출력창의 크기를 바꾸고 싶거나, 사용하는 폰트를 바꾸거나 등등의 고민이 생길 수 있다. 

1. 아래 화면의 폰트 크기를 10에서 9로 바꾸고자 한다.

2. 입력창의 줄의 갯수를 10에서 9로 바꾸고자 한다.

3. 출력창의 줄의 갯수를 20에서 25로 바꾸고자 한다.

아래 메뉴 창에서 '대화록 글 폰트 크기(점)'을 9포인트로 바꾼다. '스크립트와 출력물 폰트 크기(점)'을 역시 9포인트로 바꾼다.

Commander 옵션 메뉴 창에서 '스크립트 창 높이 (줄)'을 9로 바꾼다. '출력물 창 높이 (줄)'을 25로 바꾼다.

바꾸고 싶은 설정 항목에 모두 수정을 가했다면, 'R Commander 다시 시작' 버튼을 누른다. 몇 몇 사항을 저장할 것인가를 질문한 뒤, R Commander가 다시 시작된다. 그렇다면 이 설정 변경을 R과 R Commander를 시작할 때마다 매번 반복해야 할까? 그렇지 않다. '도구 > Rcmdr 선택기능 저장하기...' 기능은 변경된 설정을 저장하여 다음에 R Commander가 시작될 때, 변경된 설정으로 시작하게 만드는 기능이다. '도구 > Rcmdr 선택기능 저장하기...'메뉴 기능을 선택하면 아래와 같이 새롭게 작성된 .Rprofile 파일을 저장할것인가를 묻는다. 화면 아래 오른쪽에 있는 예(OK) 버튼을 누르자.

그러면, 아래와 같은 다음 화면으로 이동한다. 사용자 디렉토리에 .Rprofile 파일에 변경된 설정을 저장할 것인가를 최종 묻는 것이다. Save 버튼을 누른다. 그러면 변경된 설정이 저장되어 다음부터 R Commander는 변경된 설정으로 시작하게된다.

모델 > 수치적 진단 > Bonferroni 이상치 검정

Models > Numeric diagnostics > Bonferroni outlier test

변수들의 조합으로 어느 모형을 만들었을 때, 일반적으로 그 모형은 제한된 설명력의 범위를 갖는다. '모델 > Bonferroni 이상치 검정' 기법은 어느 사례가 모형의 수리적 설명 범위 밖에 있는지를 찾는 방법이다.

carData 패키지에 있는 Prestige 데이터셋을 이용하여 연습해보자.

https://rcmdr.tistory.com/143

아래와 같이 Prestige 데이터셋을 불러오고, LinearModel.1을 만들고, outlierTest를 해보자.

data(Prestige)
LinearModel.1 <- lm(prestige ~ education + income, data=Prestige)
summary(LinearModel.1)
outlierTest(LinearModel.1)

1) 먼저, '데이터 > 패키지에 있는 데이터 > 첨부된 패키지에서 데이터셋 읽기...' 메뉴 기능을 통하여 carData패키지에서 Prestige 데이터셋을 선택하고, 예(OK) 버튼을 누른다. Prestige 데이터셋이 활성화될 것이다.

2) '통계 > 적합성 모델 > 선형 모델...'메뉴 기능을 열고, 'prestige ~ education + income'의 회귀식을 입력한다. 그러면, LinearModel.1의 선형 모형 요약정보가 화면에 출력될 것이다.

3) '모델 > Bonferroni 이상치 검정'메뉴 기능을 선택하면, 출력물을 생산한다.

newsboys라는 이름을 가진 사례가 LinearModel.1의 모형식으로 설명력으로 보면 이상치에 해당된다는 의미가 된다. 여러개의 모형을 추가로 만들고, 'Bonferroni 이상치 검정'을 차례로 해보자.

data(Prestige)
LinearModel.1 <- lm(prestige ~ education + income, data=Prestige)
summary(LinearModel.1)
outlierTest(LinearModel.1)
LinearModel.2 <- lm(prestige ~ education + income + education:income, data=Prestige)
LinearModel.3 <- lm(prestige ~ education + log(income), data=Prestige)
LinearModel.4 <- lm(prestige ~ education + income + type, data=Prestige)
outlierTest(LinearModel.1)
outlierTest(LinearModel.2)
outlierTest(LinearModel.3)
outlierTest(LinearModel.4)

LinearModel.2, LinearModel.3, LinearModel4 등을 위와 같이 만들었을때, 어떤 이상치가 발견될까.

LinearModel.2와 LinearModel.3는 farmers를, LinearModel.4는 medical.technicians를 이상치로 발견한다.

모델 > 델타 방법 신뢰 구간...

Models > Delta method confidence interval...

'모델 > 신뢰구간...'메뉴 기능을 carData 패키지에 있는 Prestige 데이터셋을 이용하여 연습해보자. 먼저 '데이터 > 패키지에 있는 데이터 > 첨부된 패키지에서 데이터셋 읽기...'메뉴 기능을 통하여 Prestige 데이터셋을 불러온다.

https://rcmdr.tistory.com/143

data(Prestige, package="carData")
LinearModel.1 <- lm(prestige ~ education + income + education:income, data=Prestige)
summary(LinearModel.1)

교육(education)과 수입(income)이라는 설명변수의 조합으로 직업의 사회적 권위(prestige)에 대한 선형모형, LinearModel.1을 만들었다. LinearModel.1의 요약 정보는 아래와 같다.

LinearModel.1의 계수(Coefficients) 정보에는 투입된 설명변수들의 영향력에 대한 추정치(Estimate)가 있다. '모델 > 델타 방법 신뢰 구간...'은 추청치들 사이의 비율을 계산하여 그 값의 신뢰 구간을 점검하는 기법이다.

?DeltaMethod   #DeltaMethod 도움말 보기