R တွင် lm() လုပ်ဆောင်ချက်မှ အကြွင်းအကျန်များကို မည်ကဲ့သို့ထုတ်ယူနည်း

R ရှိ lm() လုပ်ဆောင်ချက်မှ အကြွင်းအကျန်များကို ထုတ်ယူရန် အောက်ပါ syntax ကို သင်သုံးနိုင်သည်။

 fit$residuals

ဤဥပမာတွင် ကျွန်ုပ်တို့သည် linear regression model ကို အံဝင်ခွင်ကျဖြစ်အောင် lm() function ကိုအသုံးပြုပြီး ရလဒ်များကို fit ဟုအမည်ပေးပါသည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဆက်စပ်- R-Squared ကို R ရှိ lm() လုပ်ဆောင်ချက်မှ မည်သို့ထုတ်ယူရမည်နည်း။

ဥပမာ- R ဖြင့် lm() မှ အကြွင်းအကျန်များကို ထုတ်ယူနည်း

ဘတ်စကက်ဘောကစားသမား 10 ယောက်က ကစားခဲ့တဲ့ မိနစ်၊ စုစုပေါင်း ပြစ်ချက်တွေနဲ့ စုစုပေါင်းရမှတ်တွေအကြောင်း အချက်အလက်တွေ ပါဝင်နေတဲ့ R မှာ အောက်ပါဒေတာဘောင်တစ်ခု ရှိတယ်ဆိုပါစို့။

 #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

ကျွန်ုပ်တို့သည် အောက်ပါ multiple linear regression model ကို ကိုက်ညီလိုသည်ဆိုပါစို့။

အမှတ်များ = β ₀ + β ₁ (မိနစ်) + β ₂ (မိုက်မဲမှုများ)

ဤဆုတ်ယုတ်မှုပုံစံနှင့်ကိုက်ညီရန် lm() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-

 #fit multiple linear regression model
fit <- lm(points ~ minutes + fouls, data=df)

ထို့နောက် မော်ဒယ်မှ အကြွင်းများကို ထုတ်ယူရန် fit$residuals ကို ရိုက်ထည့်နိုင်သည်-

 #extract residuals from model
fit$residuals

         1 2 3 4 5 6 7 
 2.0888729 -0.7982137 0.6371041 -3.5240982 1.9789676 -1.7920822 1.9306786 
         8 9 10 
-1.7048752 0.5692404 0.6144057

ကျွန်ုပ်တို့၏ဒေတာဘေ့စ်တွင် စုစုပေါင်း စူးစမ်းလေ့လာမှု 10 ခုရှိသောကြောင့်၊ မှတ်သားမှုတစ်ခုစီအတွက် 10 ကျန်ရှိနေပါသည်။

ဥပမာအားဖြင့်:

• ပထမအကြိမ်လေ့လာတွေ့ရှိမှုတွင် လက်ကျန် ၂,၀၈၉ ရှိသည်။
• ဒုတိယလေ့လာချက်တွင် ကျန်ရှိသော -0.798 ရှိသည်။
• တတိယလေ့လာချက်တွင် ကျန်ရှိသော 0.637 ရှိသည်။

နောက် … ပြီးတော့။

ထို့နောက် ကျွန်ုပ်တို့ ဆန္ဒရှိပါက တပ်ဆင်ထားသော တန်ဖိုးများနှင့် ဆန့်ကျင်ဘက် အကြွင်းအကျန်များကို ဖန်တီးနိုင်သည်-

 #store residuals in variable
res <- fit$residuals

#produce residual vs. fitted plot
plot(fitted(fit), res)

#add a horizontal line at 0 
abline(0,0)

x-axis သည် တပ်ဆင်ထားသောတန်ဖိုးများကိုပြသပြီး y-axis သည် အကြွင်းအကျန်များကိုပြသသည်။

အကောင်းဆုံးအားဖြင့်၊ အကြွင်းအကျန်များကို ရှင်းရှင်းလင်းလင်းမရှိသော ပုံစံမရှိဘဲ သုညတွင် ကျပန်းဖြန့်ကျဲထားသင့်သည်၊ မျိုးတူရိုးကျဖြစ်ခြင်း၏ ယူဆချက်အား ပြည့်မီစေရန်ဖြစ်သည်။

အထက်ဖော်ပြပါ အကြွင်းအကျန်ကွက်များတွင်၊ ကျန်အကြွင်းအကျန်များသည် ရှင်းရှင်းလင်းလင်းမရှိသော ပုံစံမရှိဘဲ သုညတဝိုက်တွင် ကျပန်းကျပန်း ပြန့်ကျဲနေပုံရသည်၊ ဆိုလိုသည်မှာ လိင်တူဆက်ဆံခြင်း၏ ယူဆချက်သည် ပြည့်မီနိုင်ဖွယ်ရှိသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် R တွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

R တွင် ရိုးရှင်းသော linear regression လုပ်နည်း
R တွင် linear regression အများအပြားလုပ်ဆောင်နည်း
R တွင်ကျန်ရှိသောကွက်ကွက်ဖန်တီးနည်း