Commit e99f3efb by Eric Coissac

Small changes reflecting the modification in the package

parent 55466942
...@@ -9,6 +9,7 @@ S3method(anova,pm) ...@@ -9,6 +9,7 @@ S3method(anova,pm)
S3method(as.list,procmod.frame) S3method(as.list,procmod.frame)
S3method(as.procmod.frame,array) S3method(as.procmod.frame,array)
S3method(as.procmod.frame,list) S3method(as.procmod.frame,list)
S3method(as.procmod.frame,pm)
S3method(as.procmod.frame,procmod.frame) S3method(as.procmod.frame,procmod.frame)
S3method(deviance,pm) S3method(deviance,pm)
S3method(dim,procmod.frame) S3method(dim,procmod.frame)
...@@ -21,6 +22,7 @@ S3method(print,pm) ...@@ -21,6 +22,7 @@ S3method(print,pm)
S3method(residuals,pm) S3method(residuals,pm)
S3method(subset,procmod.frame) S3method(subset,procmod.frame)
export(as.procmod.frame) export(as.procmod.frame)
export(is.pm)
export(is.procmod.frame) export(is.procmod.frame)
export(mcor) export(mcor)
export(mcor.partial) export(mcor.partial)
......
...@@ -19,6 +19,32 @@ knitr::opts_knit$set( ...@@ -19,6 +19,32 @@ knitr::opts_knit$set(
) )
``` ```
## TODO
- interactions
On fait la rotation des tableau sur Y puis on multiplie terme à terme les
deux tableau après rotation et on introduit le nouveau tableau comme une
variable suplementaire
- VIF selection tableau non corrélés
- pmm proc model mixte avec les facteurs
- virer l'intersept
- partitioner un tableau explicatif en sous-tableau
- connecter avec glasso
- connecter avec path analysis (lavaan)
- test randomisation anova
- test rendomisation coeficients
## interrogation :
Quid des pentes négative alors que les cov sont > 0
--> Forcer à 0 les pentes négatives avec un warning
pour prévenir l'utilisateur
## Idéee de présentation du papier
-> partir du procruste, proposer de lénéralisé à K tableau et montrer que c'est un cas particulier de l'analyse de coinertie. Apport supplementaire avec la partition de variance....
-> tableau de var/cov donc de corrélation --> corrélation partiel --> réseaux
## Mathematic principles ## Mathematic principles
## Estimation des coefficients lors d'une régression linéaire multiple (2 variables) ## Estimation des coefficients lors d'une régression linéaire multiple (2 variables)
...@@ -580,7 +606,8 @@ partition ...@@ -580,7 +606,8 @@ partition
``` ```
```{r} ```{r}
soil.pm = pm( soil ~ bac + euk + climat + geo,data=data) data$`geohist`=cbind(data$geo,data$hist)
soil.pm = pm( bac ~ soil + climat ,data=data)
soil.pm soil.pm
``` ```
......
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment