r lm 예제

By agosto 2, 2019Sem categoria

이 경우 “a” 및 “b”를 각각 절편 및 경사라고 합니다. 동일한 예인 “a” 또는 절편은 측정을 시작하는 위치의 값입니다. 0 개월신생아는 반드시 0센티미터가 아닙니다. 이것은 절편 함수입니다. 경사는 몇 달의 나이에 대한 높이의 변화를 측정합니다. 일반적으로, 매달 나이가 든 아이는 “b”로 키가 증가합니다. 파란색 사각형에는 두 개의 다른 R²가 있으며 하나는 다중이고 하나는 조정된 다는 것을 알 수 있습니다. 배수는 이전에 본 R²입니다. 이 R²의 한 가지 문제점은 모델에 독립변수를 더 추가할 때 감소할 수 없다는 것입니다. 형제 자매). 이러한 이유로 조정된 R²는 예측의 전체 오차를 줄이는 경우에만 증가하므로 모델에 둘 이상의 변수를 추가하는 경우 살펴보는 것이 좋습니다. 자세한 내용은 model.matrix를 참조하십시오. 수식의 용어는 주요 효과가 먼저 오도록 순서가 다시 정렬되고 상호 작용, 모든 2 차, 모든 세 번째 순서 등이 있습니다.이 용어 객체를 수식으로 통과하지 않도록합니다 (예 : aov 및 demo (glm.vr 참조).

여기서 아이디어는 잔류물의 합이 가능한 한 거의 0 또는 낮음이라는 것입니다. 실제 생활에서 대부분의 경우 완벽하게 직선을 따르지 않으므로 잔류가 예상됩니다. lm 함수의 R 요약에서 동일한 예제에 따라 모델의 잔차에 대한 설명 통계를 볼 수 있으며, 빨간색 사각형은 잔차의 잔차가 대략 0인 방법을 보여줍니다. 이미 알 수 있듯이, 형제 자매의 수를 보는 것은 자녀의 높이를 예측하는 바보 같은 방법입니다. 선형 모델에 주의를 기울여야 하는 또 다른 측면은 계수의 p 값입니다. 이전 예제에서 파란색 사각형은 계수 연령 및 형제 수에 대한 p-값을 나타냅니다. 간단히 말해서, p-값은 가설을 거부하거나 수락할 수 있는지 여부를 나타냅니다. 이 경우 예측 변수가 모델에 의미가 없다는 가설입니다. 그러나 때로는 높은 R²가 매번 반드시 좋은 것은 아니며(잔류 플롯 아래 참조) 낮은 R²가 항상 나쁘지는 않다는 점을 명심해야 합니다. 실제 생활에서 이벤트는 항상 완벽하게 직선에 맞지 않습니다. 예를 들어 데이터가 키가 크거나 나이가 작은 작은 자녀를 가질 수 있습니다. 일부 필드에서는 R² 0.5가 양호한 것으로 간주됩니다.

`lm()`은 수식과 데이터 프레임을 사용합니다. 첫 번째 인수를 반박하는 방법은 [`공식(`https://www.r서류.org/패키지/통계/주제/수식)을 참조하십시오. “`{r} (model_with_intercept <- lm(중량 ~ 그룹, 식물성장)) (model_without_intercept <- lm(중량 ~ 군 – 1, PlantGrowth)) ““`를 사용하여 모델에 대한 자세한 정보를 얻을 수 있습니다 [https://www.rdocumentation.org/packages/stats/topics/summary.lm) “`{rm} (model_without_intercept <-lm(무게 ~ 그룹 ~ 1, PlantGrowth)) 요약(model_without_intercept)` 진단 플롯을 사용할 수 있습니다. 자세한 예는 [`plot.lm(`]를 참조하십시오.](https://www.r서류.org/패키지/통계/토픽/plot.lm)를 참조하십시오. “{r} (model_without_intercept <-lm (무게 ~ 그룹 – 1, PlantGrowth)) 레이아웃 (행렬 (1:6, nrow = 2)) 플롯 (model_without_intercept, = 1:6) “ 당신은 새로운 값을 예측할 수 있습니다; [`예측()`](https://www.r서류.org/패키지/통계/토픽/예측) 및 [`예측.lm()`](https://www.r서류.org/패키지/통계/토픽/예측.lm)을 참조하십시오. “`{r} (model_without_intercept <- lm (무게 ~ 그룹 – 1, PlantGrowth)) 예측 <-data.frame (그룹 = 레벨 (PlantGrowth$group)) 예측 <- 예측 (model_without_intercept, 예측) 예측 # 데이터에 대한 플롯 예측 boxplot (무게 ~ 그룹, 식물 성장, ylab = "무게") 점 (무게 ~ 그룹, 예측, 콜 = "빨간색") “`lm`개체를 검사하는 데 사용할 수있는 많은 방법이 있습니다.