Innehållsförteckning:
- Hur man bygger en linjär modell
- I stället för att dyka in i själva objektet och hitta informationen någonstans i listobjektet kan du använda vissa funktioner som hjälper dig att få den information du behöver från modellen. Till exempel kan du extrahera en namngiven vektor med koefficienterna från modellen med funktionen coef (), så här: >> coef. Modell coef. Modell (Avskiljning) wt 37. 285126 -5. 344472
Video: Linjär anpassning med räknare TI-84 PLUS 2024
En variansanalys för dina data kan också skrivas som en linjär modell i R, där du använder en faktor som en prediktorvariabel för att modellera en svarsvariabel.
Naturligtvis kan prediktorvariabler också vara kontinuerliga variabler. Till exempel har bilens vikt givetvis ett inflytande på körsträckan. Men det skulle vara trevligt att få en uppfattning om omfattningen av det inflytandet. I huvudsak vill du hitta ekvationen som representerar trendlinjen. Du hittar de uppgifter du behöver för att kontrollera detta i datasetet mtcars.
Hur man bygger en linjär modell
Med funktionen lm () kan du ange allt från den enklaste linjära modellen till komplexa interaktionsmodeller.
För att modellera körsträckan i funktion av bilens vikt använder du funktionen lm (), så här: >> Modell <- lm (mpg ~ wt, data = mtcars)
Du levererar två argument:
-
Här modellerar du variabeln mpg som en funktion av variabeln wt. En dataram som innehåller variablerna i formeln:
-
Här använder du datarammens mtcars. Du kan ange många komplexa modeller med formeln gränssnittet när du känner din väg.
Det resulterande objektet är en lista med en väldigt komplex struktur, men i de flesta fall behöver du inte oroa dig för det. Modellsobjektet innehåller mycket information som behövs för beräkningar av diagnostik och nya förutsägelser.
I stället för att dyka in i själva objektet och hitta informationen någonstans i listobjektet kan du använda vissa funktioner som hjälper dig att få den information du behöver från modellen. Till exempel kan du extrahera en namngiven vektor med koefficienterna från modellen med funktionen coef (), så här: >> coef. Modell coef. Modell (Avskiljning) wt 37. 285126 -5. 344472
Dessa koefficienter representerar trenden och höjden på trendlinjen. Du kan använda detta för att plotta trendlinjen på en scatterplot av data. Du gör det i två steg:
Du plottar scatterplot med data.
Du använder funktionen plot () för det.
-
Du använder funktionen abline () för att rita trendlinjen baserat på koefficienterna.
Följande kod ger dig plot: >> plot (mpg ~ wt, data = mtcars)> abline (a = coef. Modell [1], b = coef. Modell [2])
-
abline () argument a representerar avlyssningen, och b representerar lutningen på trendlinjen som du vill plotta. Du plottar en vertikal linje genom att ställa in argumentet v till avsnitten med
x
-axen istället.Horisontella linjer ritas genom att ställa in argumentet v till avlyssningen med
y -axen. Nedan följer en översikt över funktioner för att extrahera information från själva modellen. Dessa funktioner fungerar med olika modellobjekt, inklusive de som byggts av aov () och lm (). Många paketförfattare ger också samma funktioner för modellerna som byggts av funktionerna i deras paket. Så du kan alltid försöka använda dessa extraktionsfunktioner i kombination med andra modellfunktioner. Funktion
Vad det gör
coef ()
Returnerar en vektor med koefficienterna från modellen | confint () |
---|---|
Returnerar en matris med den övre och nedre gränsen på > konfidensintervall för varje koefficient av modellen | monterad () |
Returnerar en vektor med de anpassade värdena för varje | observation
rester () |
Returnerar en vektor med resterna för varje observation < vcov () | Returnerar varians-kovariansmatrisen för koefficienten
|