?

0 引言

?　　初學者，對于一些運行結果不是很清楚，所以看了一些課本和資料，這里做一個記錄而已。

1 線性回歸模型的結果分析

　　結果的解釋：

“call”：指出線性回歸的公式

“Residuals”：之處從實際數據觀測的殘差

“Cofficients”：顯示模型系數，以及系數的統計顯著性

“R-squarted”：判決系數與調整的判決系數，用于刻畫模型對數據分散的解釋程度

“F”：表示模型的統計意義

?2 自變量評估

　　下面是對自變量的評估：

　　

“Estimate”：用于顯示截距與系數的推測值。這里是V4=2.317699--0.015446*V1--0.024233*V2

“Pr（>|t|）”：顯示p-value，通過t分布判斷各變量的顯著程度。此時，V1、V2均遠小于0.05，否定零假設。

3 判定細數與F統計量

　　下面是判定系數的評估：

F統計量使用F分布檢驗MSR/MSE的比率，也用于查看V4=b1+b2*V1+b3*V2+e與V4=b1+e的殘差平方和差異的顯著程度。即檢驗“H0：b1=0，b2=0、H1：b1、b2不等于0”的結果。

4 方差分析及模型間比較

　　顯示模型F統計量：

?

完整模型與簡化模型的比較：

從結果看，F統計量為272.47，P值很小，說明兩個模型之間有顯著差異，即V1、V2列是有意義的解釋變量。

5 模型診斷圖形

　　可直接plot（）函數畫圖，也可畫表述更清楚的圖。這里該函數會顯示四種圖(實際有6種)，不做詳細解釋。

總結

　　學習在于積累。importance(堅持)>importance(努力)。

?

轉載于:https://www.cnblogs.com/babyfei/p/9052937.html

總結

以上是生活随笔為你收集整理的R语言 线性回归的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。