Come utilizzare un sottoinsieme di frame di dati con la funzione lm() in r
È possibile utilizzare l’argomento subset per utilizzare solo un sottoinsieme di un frame di dati quando si utilizza la funzione lm() per adattare un modello di regressione in R:
fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes> 10 ))
Questo particolare esempio corrisponde a un modello di regressione che utilizza i punti come variabile di risposta e la folla e i minuti come variabili predittive.
L’argomento subset specifica che solo le righe nel frame di dati in cui la variabile minuti è maggiore di 10 devono essere utilizzate durante l’adattamento del modello di regressione.
L’esempio seguente mostra come utilizzare questa sintassi nella pratica.
Esempio: come utilizzare un sottoinsieme di frame di dati con lm() in R
Supponiamo di avere il seguente frame di dati in R che contiene informazioni sui minuti giocati, sui falli totali e sui punti totali segnati da 10 giocatori di basket:
#create data frame df <- data. frame (minutes=c(5, 10, 13, 14, 20, 22, 26, 34, 38, 40), fouls=c(5, 5, 3, 4, 2, 1, 3, 2, 1, 1), points=c(6, 8, 8, 7, 14, 10, 22, 24, 28, 30)) #view data frame df minutes fouls points 1 5 5 6 2 10 5 8 3 13 3 8 4 14 4 7 5 20 2 14 6 22 1 10 7 26 3 22 8 34 2 24 9 38 1 28 10 40 1 30
Supponiamo di voler adattare il seguente modello di regressione lineare multipla:
punti = β 0 + β 1 (minuti) + β 2 (falli)
Supponiamo tuttavia di voler utilizzare solo le righe nel frame di dati in cui la variabile minuti è maggiore di 10.
Possiamo utilizzare la funzione lm() con l’argomento subset per adattare questo modello di regressione:
#fit multiple linear regression model (only for rows where minutes>10) fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes> 10 )) #view model summary summary(fit) Call: lm(formula = points ~ fouls + minutes, data = df, subset = (minutes > 10)) Residuals: 3 4 5 6 7 8 9 10 1.2824 -2.5882 2.2000 -1.9118 2.3588 -1.7176 0.1824 0.1941 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -11.8353 4.9696 -2.382 0.063046 . fouls 1.8765 1.0791 1.739 0.142536 minutes 0.9941 0.1159 8.575 0.000356 *** --- Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 2.255 on 5 degrees of freedom Multiple R-squared: 0.9574, Adjusted R-squared: 0.9404 F-statistic: 56.19 on 2 and 5 DF, p-value: 0.0003744
Possiamo usare la funzione nobs() per vedere quante osservazioni dal data frame sono state effettivamente utilizzate per adattare il modello di regressione:
#view number of observations used to fit model
nobs(fit)
[1] 8
Possiamo vedere che per adattare il modello sono state utilizzate 8 righe del frame dati.
Se osserviamo il frame di dati originale, possiamo vedere che esattamente 8 righe avevano un valore maggiore di 10 per la variabile dei minuti , il che significa che solo quelle righe sono state utilizzate durante l’adattamento del modello di regressione.
Possiamo anche utilizzare l’operatore & nell’argomento del sottoinsieme per sottoimpostare il frame di dati in base a più condizioni.
Ad esempio, potremmo utilizzare la seguente sintassi per adattare un modello di regressione utilizzando solo le righe nel frame di dati in cui i minuti sono maggiori di 10 e gli errori sono minori di 4:
#fit multiple linear regression model (only where minutes>10 & fouls<4) fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes> 10 & fouls< 4 )) #view number of observations used to fit model nobs(fit) [1] 7
Dal risultato possiamo vedere che per adattare questo particolare modello sono state utilizzate 7 righe del frame dati.
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