r lm 예제

r lm 예제

Uncategorized -

`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. “`{r} (model_without_intercept <- lm(무게 ~ 그룹 – 1, 플랜트성장)) confint(모델_없이_인터셉트) [모델_없이 인터셉트] [모델_없이 인터셉트] [model_without_intercept] ](model_without_intercept) 영향(model_without_intercept) 영향(model_without_intercept) 메서드(클래스 = "lm") ““` 회귀가 선형 회귀를 만들기 위해 두 개 이상의 예측 변수를 고려하는 경우 다중 선형 회귀라고 합니다. 이전의 간단한 예제에서 사용한 것과 동일한 논리로 자식의 높이가 측정될 것입니다: 이것은 약간 복잡해 보일 수 있지만 일반적으로 데이터에 잘 맞는 모델의 경우 R²는 1에 가깝습니다. 데이터에 맞지 않는 모델은 R²가 0에 가깝습니다.

아래 예제에서 첫 번째 예에는 R²가 0.02입니다. 즉, 모델은 데이터 가변성의 2%만 설명합니다. 두 번째 모델은 R²가 0.99이고 모델은 전체 가변성의 99%를 설명할 수 있습니다.** 데이터를 플롯하고 선형 모델로 빌드한 선을 추가합니다. 이 예제에서는 R이 read_excel 명령을 사용하여 먼저 데이터를 읽고 데이터로 데이터 프레임을 만든 다음 새 데이터로 선형 회귀를 만듭니다. 명령 플롯은 데이터 프레임을 가져와 변수를 플로팅합니다. 이 경우 재료의 온도에 대한 압력을 플로팅합니다. 그런 다음 선형 회귀에 의해 만들어진 선을 명령 abline으로 추가합니다. 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).