重回帰モデルを使用して r の値を予測する方法
次の基本構文を使用すると、近似重回帰モデルを使用して R の値を予測できます。
#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)
次の例は、この関数を実際に使用する方法を示しています。
例: 近似重回帰モデルを使用した値の予測
R にバスケットボール選手に関する情報を含む次のデータセットがあるとします。
#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
ここで、ポイント、アシスト、およびリバウンドを予測変数として、評価を応答変数として使用して、重線形回帰モデルを近似するとします。
#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
「推定」列の値から、適合回帰モデルを書くことができます。
スコア = 66.4355 + 1.2151 (ポイント) – 2.5968 (アシスト) + 2.8202 (リバウンド)
次のコードを使用して、20 得点、5 アシスト、2 リバウンドを持つ新しいプレーヤーの評価を予測できます。
#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
このモデルは、この新しいプレーヤーのレーティングが83.39607になると予測します。
新しいプレイヤーの値を当てはめた回帰式に挿入することで、これが正しいことを確認できます。
- スコア = 66.4355 + 1.2151 (ポイント) – 2.5968 (アシスト) + 2.8202 (リバウンド)
- レーティング = 66.4355 + 1.2151(20) – 2.5968(5) + 2.8202(2)
- スコア = 83.39
これは、R のdetect()関数を使用して計算した値と一致します。
追加リソース
次のチュートリアルでは、R で他の一般的なタスクを実行する方法について説明します。