Làm thế nào để đánh giá dữ liệu tuyến tính với R-núm vú

Video: Hồi quy tuyến tính: Ước lượng hệ số hồi quy trên excel 2025

R tự nhiên, R cung cấp toàn bộ các bài kiểm tra khác nhau và các biện pháp để đánh giá mô hình của bạn phù hợp với dữ liệu của bạn như thế nào và xem xét các giả định mô hình. Một lần nữa, tổng quan được trình bày ở đây không hoàn chỉnh, nhưng nó cho bạn ý tưởng về những gì có thể và là một điểm khởi đầu để xem xét sâu hơn vấn đề này.

Làm thế nào để tóm tắt mô hình

Tóm tắt () chức năng ngay lập tức trả về cho bạn các F thử nghiệm cho các mô hình xây dựng với aov (). Đối với các mô hình lm (), điều này hơi khác. Hãy nhìn vào đầu ra:

>> Người mẫu. mô hình tóm tắt. tóm tắt Gọi: lm (công thức = mpg ~ wt, data = mtcars) Phần còn lại: Min 1Q Median 3Q Max -4. 5432 -2. 3647 -0. 1252 1. 4096 6. 8727 Hệ số: Ước tính Std. Lỗi t giá trị Pr (> | t |) (Chặn) 37. 2851 1. 8776 19. 858 <2e-16 *** wt -5. 3445 0. 5591 -9. 559 1. 29e-10 *** --- Signif. mã số: 0 '***' 0. 001 '**' 0. 01 '*' 0 05 '. '0. 1 "1 Sai số tiêu chuẩn còn lại: 3. 046 trên 30 độ tự do Đa R-squared: 0.7528, điều chỉnh R-squared: 0. 7446 Thống kê F: 91. 38 trên 1 và 30 DF, p- Giá trị: 1.294e-10

Đó là một thông tin hữu ích rất nhiều. Ở đây bạn thấy những điều sau:

Sự phân bố của số tiền còn lại, cho bạn một ý tưởng đầu tiên về các giả thuyết của một mô hình tuyến tính giữ

Các hệ số đi kèm với một bài kiểm tra t, cho bạn biết trong mỗi hệ số khác nhau như thế nào khác nhau từ số không
Các biện pháp tốt đẹp phù hợp R 2 > và điều chỉnh R
2 ^{Thử nghiệm F cho bạn ý tưởng về việc liệu mô hình của bạn giải thích một phần quan trọng của phương sai trong dữ liệu của bạn}
^{Bạn có thể sử dụng hàm coef () để trích xuất một ma trận với các ước tính, sai số tiêu chuẩn, và giá trị t và giá trị p cho các hệ số từ đối tượng tóm tắt như sau: >> coef (Mô hình tóm tắt) Estimate Std. t giá trị Pr (> | t |) (Chặn) 37. 285126 1. 877627 19. 857575 8. 241799e-19 wt -5. 344472 0. 559101 -9. 559044 1. 293959e-10}
Nếu các thuật ngữ này không nói với bạn điều gì, hãy nhìn chúng trong một nguồn tốt về mô hình hóa. Để có một bài giới thiệu rộng rãi về việc áp dụng và phiên dịch các mô hình tuyến tính một cách chính xác, hãy kiểm tra
Các mô hình thống kê tuyến tính ứng dụng,

lần thứ 5, bởi Michael Kutner và cộng sự (McGraw-Hill / Irwin).

Làm thế nào để kiểm tra tác động của các thuật ngữ mô hình

Để có được một phân tích của bảng sự khác biệt - như hàm summary () tạo ra một mô hình ANOVA - bạn chỉ cần sử dụng hàm anova () và vượt qua mô hình lm () đối tượng như một đối số, như sau: >> Mẫu. mẫu anova. Anova Phân tích Phản ứng của Bảng Phản ứng: mpg Df Tổng Sq Mean Sq F giá trị Pr (> F) wt 1 847.73 847. 73 91. 375 1. 294e-10 *** Các khoản nợ còn lại 30 278. 32 9. 28 --- Signif. mã số: 0 '***' 0. 001 '**' 0. 01 '*' 0 05 '. '0. 1 "1 Ở đây, đối tượng kết quả là một khung dữ liệu cho phép bạn trích xuất bất kỳ giá trị nào từ bảng đó bằng cách sử dụng các công cụ phân loại và lập chỉ mục. Ví dụ, để có được giá trị p, bạn có thể làm như sau: >> Mẫu anova ['wt', 'Pr (> F)'] [1] 1. 293959e-10 Bạn có thể giải thích giá trị này là xác suất thêm biến wt vào mô hình doesn ' Các nhà sản xuất ôtô hàng đầu thế giới cho biết, trọng lượng của một chiếc xe hơi (wt) giải thích một phần đáng kể sự khác biệt về tỷ lệ giữa moto giữa xe ô tô, điều này không có gì đáng ngạc nhiên, bạn có thể sử dụng chức năng anova () để so sánh các mô hình khác nhau, và nhiều gói mô hình cung cấp chức năng đó Bạn có thể tìm thấy các ví dụ này trên hầu hết các trang trợ giúp có liên quan giống như? anova.lm và? anova.glm.