Jak wyodrębnić współczynniki regresji z funkcji lm() w r

Do wyodrębnienia współczynników regresji z funkcji lm() w R można użyć następujących metod:

Metoda 1: wyodrębnij tylko współczynniki regresji

 model$coefficients

Metoda 2: Wyodrębnij współczynniki regresji z błędem standardowym, statystyką T i wartościami P

 summary(model)$coefficients

Poniższy przykład pokazuje, jak zastosować te metody w praktyce.

Przykład: wyodrębnij współczynniki regresji z lm() w R

Załóżmy, że dopasowujemy następujący model regresji liniowej w R:

 #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)

Możemy użyć funkcji podsumowania() , aby wyświetlić pełne podsumowanie modelu regresji:

 #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

Aby wyświetlić tylko współczynniki regresji, możemy użyć współczynników model$ w następujący sposób:

 #view only regression coefficients of model
model$coefficients

(Intercept) points assists rebounds 
  66.435519 1.215203 -2.596789 2.820224

Możemy użyć tych współczynników do napisania następującego dopasowanego równania regresji:

Wynik = 66,43551 + 1,21520 (punkty) – 2,59678 (asysty) + 2,82022 (zbiórki)

Aby wyświetlić współczynniki regresji wraz z ich błędami standardowymi, statystyką t i wartościami p, możemy użyć współczynników podsumowania(modelu)$ w następujący sposób:

 #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

Możemy również uzyskać dostęp do określonych wartości na tym wyjściu.

Na przykład możemy użyć następującego kodu, aby uzyskać dostęp do wartości p zmiennej punktów :

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

[1] 0.02231542

Możemy też użyć poniższego kodu, aby uzyskać dostęp do wartości p dla każdego ze współczynników regresji:

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

(Intercept) points assists rebounds 
0.002175313 0.022315418 0.208600183 0.178471275 

Wartości P są wyświetlane dla każdego współczynnika regresji w modelu.

Możesz użyć podobnej składni, aby uzyskać dostęp do dowolnej wartości w wynikach regresji.

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe zadania w języku R:

Jak wykonać prostą regresję liniową w R
Jak wykonać wielokrotną regresję liniową w R
Jak utworzyć wykres rezydualny w R