<\/p>\n
U kunt het subset-<\/strong> argument gebruiken om alleen een subset van een gegevensframe te gebruiken wanneer u de functie lm()<\/a> gebruikt om een regressiemodel in R te passen:<\/span><\/p>\n Dit specifieke voorbeeld komt overeen met een regressiemodel dat punten<\/strong> gebruikt als responsvariabele en menigten<\/strong> en minuten<\/strong> als voorspellende variabelen.<\/span><\/p>\n Het subset-<\/strong> argument specificeert dat alleen rijen in het dataframe waar de minutenvariabele<\/strong> groter is dan 10 moeten worden gebruikt bij het aanpassen van het regressiemodel.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we het volgende dataframe in R hebben dat informatie bevat over de gespeelde minuten, het totaal aantal fouten en het totaal aantal punten gescoord door 10 basketbalspelers:<\/span><\/p>\n Stel dat we willen passen in het volgende meervoudige lineaire regressiemodel:<\/span><\/p>\n punten = \u03b2 0<\/sub> + \u03b2 1<\/sub> (minuten) + \u03b2 2<\/sub> (overtredingen)<\/strong><\/span><\/p>\n Stel echter dat we alleen de rijen in het dataframe willen gebruiken waar de minutenvariabele<\/strong> groter is dan 10.<\/span><\/p>\n We kunnen de functie lm()<\/strong> gebruiken met het subset-<\/strong> argument om in dit regressiemodel te passen:<\/span><\/p>\n We kunnen de functie nobs()<\/strong> gebruiken om te zien hoeveel waarnemingen uit het dataframe daadwerkelijk zijn gebruikt om in het regressiemodel te passen:<\/span><\/p>\n We kunnen zien dat 8<\/strong> rijen van het dataframe zijn gebruikt om in het model te passen.<\/span><\/p>\n Als we naar het originele dataframe kijken, kunnen we zien dat precies 8<\/strong> rijen een waarde groter dan 10 hadden voor de minutenvariabele<\/strong> , wat betekent dat alleen die rijen werden gebruikt bij het aanpassen van het regressiemodel.<\/span><\/p>\n We kunnen ook de operator &<\/strong> in het subset-<\/strong> argument gebruiken om het dataframe in te delen op basis van meerdere voorwaarden.<\/span><\/p>\n We kunnen bijvoorbeeld de volgende syntaxis gebruiken om een regressiemodel aan te passen met alleen de rijen in het dataframe waarin minuten<\/strong> groter zijn dan 10 en fouten<\/strong> kleiner dan 4:<\/span><\/p>\n Uit het resultaat kunnen we zien dat 7<\/strong> rijen van het dataframe zijn gebruikt om in dit specifieke model te passen.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Hoe eenvoudige lineaire regressie uit te voeren in R<\/a> U kunt het subset- argument gebruiken om alleen een subset van een gegevensframe te gebruiken wanneer u de functie lm() gebruikt om een regressiemodel in R te passen: fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes> 10 )) Dit specifieke voorbeeld komt overeen met een regressiemodel dat punten gebruikt als responsvariabele en menigten en […]<\/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":[],"class_list":["post-4269","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes><\/span> 10<\/span> ))<\/span><\/strong><\/pre>\n Voorbeeld: hoe u een dataframe-subset gebruikt met 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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe meervoudige lineaire regressie uit te voeren in R<\/a>
Hoe maak je een restplot in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"