<\/p>\n
\u00c8 possibile utilizzare l’argomento subset<\/strong> per utilizzare solo un sottoinsieme di un frame di dati quando si utilizza la funzione lm()<\/a> per adattare un modello di regressione in R:<\/span><\/p>\n Questo particolare esempio corrisponde a un modello di regressione che utilizza i punti<\/strong> come variabile di risposta e la folla<\/strong> e i minuti<\/strong> come variabili predittive.<\/span><\/p>\n L’argomento subset<\/strong> specifica che solo le righe nel frame di dati in cui la variabile minuti<\/strong> \u00e8 maggiore di 10 devono essere utilizzate durante l’adattamento del modello di regressione.<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n 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:<\/span><\/p>\n Supponiamo di voler adattare il seguente modello di regressione lineare multipla:<\/span><\/p>\n punti = \u03b2 0<\/sub> + \u03b2 1<\/sub> (minuti) + \u03b2 2<\/sub> (falli)<\/strong><\/span><\/p>\n Supponiamo tuttavia di voler utilizzare solo le righe nel frame di dati in cui la variabile minuti<\/strong> \u00e8 maggiore di 10.<\/span><\/p>\n Possiamo utilizzare la funzione lm()<\/strong> con l’argomento subset<\/strong> per adattare questo modello di regressione:<\/span><\/p>\n Possiamo usare la funzione nobs()<\/strong> per vedere quante osservazioni dal data frame sono state effettivamente utilizzate per adattare il modello di regressione:<\/span><\/p>\n Possiamo vedere che per adattare il modello sono state utilizzate 8<\/strong> righe del frame dati.<\/span><\/p>\n Se osserviamo il frame di dati originale, possiamo vedere che esattamente 8<\/strong> righe avevano un valore maggiore di 10 per la variabile dei minuti<\/strong> , il che significa che solo quelle righe sono state utilizzate durante l’adattamento del modello di regressione.<\/span><\/p>\n Possiamo anche utilizzare l’operatore &<\/strong> nell’argomento del sottoinsieme<\/strong> per sottoimpostare il frame di dati in base a pi\u00f9 condizioni.<\/span><\/p>\n 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<\/strong> sono maggiori di 10 e gli errori<\/strong> sono minori di 4:<\/span><\/p>\n Dal risultato possiamo vedere che per adattare questo particolare modello sono state utilizzate 7<\/strong> righe del frame dati.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come eseguire una regressione lineare semplice in R<\/a> \u00c8 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 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes><\/span> 10<\/span> ))<\/span><\/strong><\/pre>\n Esempio: come utilizzare un sottoinsieme di frame di dati con lm() in R<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (minutes=c(5, 10, 13, 14, 20, 22, 26, 34, 38, 40),\n fouls=c(5, 5, 3, 4, 2, 1, 3, 2, 1, 1),\n points=c(6, 8, 8, 7, 14, 10, 22, 24, 28, 30))\n\n#view data frame\n<\/span>df\n\n minutes fouls points\n1 5 5 6\n2 10 5 8\n3 13 3 8\n4 14 4 7\n5 20 2 14\n6 22 1 10\n7 26 3 22\n8 34 2 24\n9 38 1 28\n10 40 1 30<\/strong><\/pre>\n #fit multiple linear regression model (only for rows where minutes>10)\n<\/span><\/strong>fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes><\/span> 10<\/span> ))\n\n#view model summary<\/span>\nsummary(fit)\n\nCall:\nlm(formula = points ~ fouls + minutes, data = df, subset = (minutes > \n 10))\n\nResiduals:\n 3 4 5 6 7 8 9 10 \n 1.2824 -2.5882 2.2000 -1.9118 2.3588 -1.7176 0.1824 0.1941 \n\nCoefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) -11.8353 4.9696 -2.382 0.063046 . \nfouls 1.8765 1.0791 1.739 0.142536 \nminutes 0.9941 0.1159 8.575 0.000356 ***\n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 2.255 on 5 degrees of freedom\nMultiple R-squared: 0.9574, Adjusted R-squared: 0.9404 \nF-statistic: 56.19 on 2 and 5 DF, p-value: 0.0003744\n<\/span><\/strong><\/pre>\n #view number of observations used to fit model\n<\/span>nobs(fit)\n\n[1] 8\n<\/span><\/span><\/strong><\/pre>\n #fit multiple linear regression model (only where minutes>10 & fouls<4)\n<\/span><\/strong>fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes><\/span> 10 &<\/span> fouls< 4<\/span><\/span><\/span> ))\n\n#view number of observations used to fit model<\/span>\nnobs(fit)\n\n[1] 7\n<\/span><\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come eseguire la regressione lineare multipla in R<\/a>
Come creare una trama residua in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"