r - 协变量依赖马尔可夫模型？沿着协变量值的梯度绘制状态转移概率

Question

数据由 4 个变量 id、x1 和 x2 组成，它们是与二元变量 y 相关的连续变量。二进制变量中的 0 和 1 代表不同的状态。是否可以使用马尔可夫链模型来计算和绘制沿每个 id 的协变量值梯度的状态转移概率，然后是合并数据？

set.seed(1)
id =rep(1, 100)
x1 = rnorm(100)           
x2 = rnorm(100)
z = 1 + 2*x1 + 3*x2      
pr = 1/(1+exp(-z))        
y = rbinom(100,1,pr)
a<-data.frame(id,x1,x2, y)


set.seed(2)
id =rep(2, 100)
x1 = rnorm(100)           
x2 = rnorm(100)
z = 1 + 2*x1 + 3*x2      
pr = 1/(1+exp(-z))        
y = rbinom(100,1,pr)
b<-data.frame(id,x1,x2, y)


set.seed(3)
id =rep(3, 100)
x1 = rnorm(100)           
x2 = rnorm(100)
z = 1 + 2*x1 + 3*x2      
pr = 1/(1+exp(-z))        
y = rbinom(100,1,pr)
c<-data.frame(id,x1,x2, y)


d<-rbind(a,b,c)

标签： rmarkov-chainsmarkov-models