Doit nécessiter de calculer certaines statistiques importantes dans l'analyse de la régression, telles que R2, F Vérifications, la confiance du coefficient, le reste, la table ANOVA, etc.
Deuxièmement, la solution
Première conservation du modèle de régression en variables:
Code
1 & Gt; M & lt; - LM (Y ~ U + V + W)
peut alors être utilisé pour obtenir des statistiques ou des informations obligatoires du modèle:
ANOVA (M): Table Anova
Coefficient (M): Facteur de modèle
COO (M): Comme les coefficients (m)
m): la partie de divertissement du coefficient de régression
DISPOSITIF (M): Les carrés restants et
(M): Vecteur de l'effet orthogonics
équipée (M) : Equipé de valeurs de vecteur de vecteur de valeurs médicales équipées
Partie (M): Tissu Le module de module restant
Comme le reste (M)
Désactiver (m): statistiques importantes, telles que R2, F Statistiques et l'écart type restant (σ)
: la matrice de différence principale des paramètres principaux
Discussion
Lorsque j'ai utilisé initialement R, j'ai trouvé la fonction LM appliquée à la régression linéaire dans le document. J'ai donc utilisé cette fonction pour obtenir la 21e sortie recrutée:
& GT; LM (Y ~ U + V + W)
Call: LM (formule = Y ~ U + V + W)
]
U 1 0359 V 0,9217 W 0,7261
force! Par rapport aux résultats de la sortie logicielle comme SAS, ce n'est tout simplement rien. R2? Quelle est la partie fiable du coefficient? En outre, la statistique F, sa valeur P et une table Anova? En fait, ces données Oui, seuls les tubes sont R. Certaines statistiques produiront toutes les statistiques dans un cerveau et R n'exportera que les statistiques les plus simples. Après cela, vous pouvez interroger les donnéesD'autres mil sont basés sur des situations spécifiques.
La fonction LM renvoie un objet de modèle. Ce modèle peut être enregistré en variables en attribuant des opérateurs (& lt ;-). Cet exemple est comme un objet modèle enregistré dans la variable M:
1 & GT; M & lt; - LM (Y ~ U + V + W)
Après cela, vous pouvez utiliser de nombreuses fonctions différentes pour extraire les informations nécessaires à partir de l'objet modèle. La fonction la plus importante est un résumé:
& GT; Résumé (m)
Call:
LM (formule = Y ~ U + V + W)
Le reste:min 1q max max max 3Q 3Q
-3,39965 -0.9472 -0.4708 1 3730 3 1283
Erreur T valeur T PR (& GT; | T |)
(bloqué) 1.4222 1 4036 1 013 0,00106 **
4] 4 0,0211 *W 0.7261 0 3652 1 988 0,05744.
-
significatif. Code: 0 "***" 0.001 "**" 0.01 "*" 0.05 "." 0,1 "" 1
Erreur standard restante: 1 625 sur 26 degrés de plus de liberté
R-carré: 0,4981, carré R est ajusté: 0.4402
Statistiques F: 8 6603 sur 3 et 26 DF, P-Valeur: 0.0003915
Le résumé ci-dessus montre des coefficients estimés. Des statistiques importantes, telles que les statistiques R2, F. Il affiche également une estimation σ, c'est-à-dire la déviation type du reste.
Il existe également un certain nombre de fonctions spécifiques pour extraire d'autres informations importantes:
Coefficient de modèle
1,0358725 0,9217432 0.7260653
Section de divertissement du facteur de modèle
& GT; Smint (m)
2,5% 97,5%
(bloc) -1.46302727 4 307437
.
]
W-0.02466125 1.476792
& Gt; Résidentiel (m)
1 2 3 4 5 6
-1.41440465 1 55535335 -0.71853222 -2.22308948 -0.60201283 -0.96217874
-1.52877080 0.03313637.34017521 -0.90242817
13 14 15 16 16 17 18 2,04481731 1 , 13630451 -1.1976676 -0.60210494 1 79964497 -2.03323530 1.40337142 -1.848660707 - 0.47307439 -0.76335244 25 26 27 29 30 483429 1.650853629 1.650853629-39647629-0.46853750 3.12825629 . . Somme restante: & GT;Déflexion (m) [1] 68 69616 Table d'anova Anova (m) Analyse des tables différentielles Réponse: y DF SQ Moyenne SQ F Value SQ F (& GT; F) U1 27,916 27 9165 10 5658 0.003178 ** V 1 29.830 29.8299 11.2900 0.002416 ** W 1 10 4422 10 4423 3 9522 0.057436. Partie 26 68 6962 6422 - Signif.Code: 0 "***" 0.001 "**" 0.01 "*" 0.05 "."0,1 "" 1 Si c'est très gênant lors de la sauvegarde du modèle dans la variable, vous ne pouvez utiliser une ligne de code que: ] 1 & gt;Résumé (LM (Y ~ U + V + W))