R တွင် lm() function မှ regression coefficients များကို မည်သို့ထုတ်ယူရမည်နည်း။

R ရှိ lm() လုပ်ဆောင်ချက် မှ ဆုတ်ယုတ်မှုကိန်းများကို ထုတ်ယူရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်သည်။

နည်းလမ်း 1- regression coefficients များကိုသာ ထုတ်ယူပါ။

 model$coefficients

နည်းလမ်း 2- စံအမှား၊ T စာရင်းအင်းနှင့် P တန်ဖိုးများဖြင့် ဆုတ်ယုတ်မှုကိန်းများကို ထုတ်ယူပါ

 summary(model)$coefficients

အောက်ဖော်ပြပါ ဥပမာသည် ဤနည်းလမ်းများကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ- R တွင် lm() မှ regression coefficients ကို ထုတ်ယူပါ။

R တွင် အောက်ပါ multiple linear regression model နှင့် ကိုက်ညီသည်ဆိုပါစို့။

 #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))

#fit multiple linear regression model
model <- lm(rating ~ points + assists + rebounds, data=df)

ဆုတ်ယုတ်မှုပုံစံ၏ အကျဉ်းချုပ်အပြည့်အစုံကိုပြသရန် summary() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-

 #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

regression coefficients များကိုသာပြသရန်၊ ကျွန်ုပ်တို့သည် အောက်ပါအတိုင်း model$ coefficients ကို အသုံးပြုနိုင်ပါသည်။

 #view only regression coefficients of model
model$coefficients

(Intercept) points assists rebounds 
  66.435519 1.215203 -2.596789 2.820224

အောက်ဖော်ပြပါ တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုညီမျှခြင်းအား ရေးသားရန် ဤကိန်းဂဏန်းများကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။

ရမှတ် = 66.43551 + 1.21520 (မှတ်များ) – 2.59678 (ကူညီမှု) + 2.82022 (ပြန်ကျော့ခြင်း)

၎င်းတို့၏ စံလွဲချော်မှုများ၊ t-စာရင်းအင်းများနှင့် p-တန်ဖိုးများနှင့်အတူ ဆုတ်ယုတ်မှုကိန်းများကို ပြသရန်၊ ကျွန်ုပ်တို့သည် အနှစ်ချုပ်(မော်ဒယ်)$ coefficients ကို အောက်ပါအတိုင်း အသုံးပြုနိုင်ပါသည်။

 #view regression coefficients with standard errors, t-statistics, and p-values
summary(model)$coefficients

             Estimate Std. Error t value Pr(>|t|)
(Intercept) 66.435519 6.6931808 9.925852 0.002175313
points 1.215203 0.2787838 4.358942 0.022315418
assists -2.596789 1.6262899 -1.596757 0.208600183
rebounds 2.820224 1.6117911 1.749745 0.178471275

ဤအထွက်တွင် သီးခြားတန်ဖိုးများကို ကျွန်ုပ်တို့လည်း ရယူနိုင်သည်။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် point variable ၏ p တန်ဖိုးကို ဝင်ရောက်ရန် အောက်ပါကုဒ်ကိုသုံးနိုင်သည်။

 #view p-value for points variable
summary(model)$coefficients[" points ", " Pr(>|t|) "]

[1] 0.02231542

သို့မဟုတ် regression coefficient တစ်ခုစီအတွက် p-value ကိုရယူရန် အောက်ပါကုဒ်ကို အသုံးပြုနိုင်သည်။

 #view p-value for all variables
summary(model)$coefficients[, " Pr(>|t|) "]

(Intercept) points assists rebounds 
0.002175313 0.022315418 0.208600183 0.178471275 

မော်ဒယ်ရှိ ဆုတ်ယုတ်မှုကိန်းဂဏန်းတစ်ခုစီအတွက် P တန်ဖိုးများကို ဖော်ပြသည်။

regression output တွင် မည်သည့်တန်ဖိုးကိုမဆို ဝင်ရောက်ရန် အလားတူ syntax ကို အသုံးပြုနိုင်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် R တွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

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