Come prevedere i valori in r utilizzando un modello di regressione multipla
È possibile utilizzare la seguente sintassi di base per prevedere i valori in R utilizzando un modello di regressione lineare multipla adattata:
#define new observation new <- data. frame (x1=c(5), x2=c(10), x3=c(12.5)) #use fitted model to predict the response value for the new observation predict(model, newdata=new)
L’esempio seguente mostra come utilizzare questa funzione nella pratica.
Esempio: previsione dei valori utilizzando un modello di regressione lineare multipla adattata
Supponiamo di avere il seguente set di dati in R che contiene informazioni sui giocatori di basket:
#create data frame df <- data. frame (rating=c(67, 75, 79, 85, 90, 96, 97), points=c(8, 12, 16, 15, 22, 28, 24), assists=c(4, 6, 6, 5, 3, 8, 7), rebounds=c(1, 4, 3, 3, 2, 6, 7)) #view data frame df rating points assists rebounds 1 67 8 4 1 2 75 12 6 4 3 79 16 6 3 4 85 15 5 3 5 90 22 3 2 6 96 28 8 6 7 97 24 7 7
Supponiamo ora di adattare un modello di regressione lineare multipla utilizzando punti , assist e rimbalzi come variabili predittive e valutazione come variabile di risposta :
#fit multiple linear regression model model <- lm(rating ~ points + assists + rebounds, data=df) #view model summary summary(model) Call: lm(formula = rating ~ points + assists + rebounds, data = df) Residuals: 1 2 3 4 5 6 7 -1.5902 -1.7181 0.2413 4.8597 -1.0201 -0.6082 -0.1644 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 66.4355 6.6932 9.926 0.00218 ** points 1.2152 0.2788 4.359 0.02232 * assists -2.5968 1.6263 -1.597 0.20860 rebounds 2.8202 1.6118 1.750 0.17847 --- Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 3.193 on 3 degrees of freedom Multiple R-squared: 0.9589, Adjusted R-squared: 0.9179 F-statistic: 23.35 on 3 and 3 DF, p-value: 0.01396
Dai valori nella colonna Stima , possiamo scrivere il modello di regressione adattato:
Punteggio = 66.4355 + 1.2151 (punti) – 2.5968 (assist) + 2.8202 (rimbalzi)
Possiamo utilizzare il seguente codice per pronosticare la valutazione di un nuovo giocatore che ha 20 punti, 5 assist e 2 rimbalzi:
#define new player new <- data. frame (points=c(20), assists=c(5), rebounds=c(2)) #use the fitted model to predict the rating for the new player predict(model, newdata=new) 1 83.39607
Il modello prevede che questo nuovo giocatore avrà una valutazione di 83.39607 .
Possiamo confermare che ciò è corretto inserendo i valori del nuovo giocatore nell’equazione di regressione adattata:
- Punteggio = 66.4355 + 1.2151 (punti) – 2.5968 (assist) + 2.8202 (rimbalzi)
- Voto = 66.4355 + 1.2151(20) – 2.5968(5) + 2.8202(2)
- Punteggio = 83,39
Questo corrisponde al valore che abbiamo calcolato utilizzando la funzione predit() in R.
Risorse addizionali
I seguenti tutorial spiegano come eseguire altre attività comuni in R:
Come eseguire una regressione lineare semplice in R
Come eseguire la regressione lineare multipla in R
Come creare una trama residua in R