Jak korzystać z podzbioru ramki danych z funkcją lm() w r

Możesz użyć argumentu podzbioru , aby użyć tylko podzbioru ramki danych podczas korzystania z funkcji lm() w celu dopasowania modelu regresji w R:

 fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes> 10 ))

Ten konkretny przykład odpowiada modelowi regresji wykorzystującemu punkty jako zmienną odpowiedzi oraz tłumy i minuty jako zmienne predykcyjne.

Argument podzbioru określa, że podczas dopasowywania modelu regresji należy używać tylko wierszy w ramce danych, w których zmienna minut jest większa niż 10.

Poniższy przykład pokazuje, jak zastosować tę składnię w praktyce.

Przykład: Jak używać podzbioru ramek danych za pomocą lm() w R

Załóżmy, że mamy następującą ramkę danych w R, która zawiera informacje o rozegranych minutach, sumie fauli i sumie punktów zdobytych przez 10 koszykarzy:

 #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

Załóżmy, że chcemy dopasować następujący model regresji liniowej:

punkty = β ₀ + β ₁ (minuty) + β ₂ (faule)

Załóżmy jednak, że chcemy użyć tylko wierszy w ramce danych, w których zmienna minut jest większa niż 10.

Możemy użyć funkcji lm() z argumentem podzbioru , aby dopasować ten model regresji:

 #fit multiple linear regression model (only for rows where minutes>10)
fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes> 10 ))

#view model summary
summary(fit)

Call:
lm(formula = points ~ fouls + minutes, data = df, subset = (minutes > 
    10))

Residuals:
      3 4 5 6 7 8 9 10 
 1.2824 -2.5882 2.2000 -1.9118 2.3588 -1.7176 0.1824 0.1941 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) -11.8353 4.9696 -2.382 0.063046 .  
fouls 1.8765 1.0791 1.739 0.142536    
minutes 0.9941 0.1159 8.575 0.000356 ***
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 2.255 on 5 degrees of freedom
Multiple R-squared: 0.9574, Adjusted R-squared: 0.9404 
F-statistic: 56.19 on 2 and 5 DF, p-value: 0.0003744

Możemy użyć funkcji nobs() , aby sprawdzić, ile obserwacji z ramki danych faktycznie wykorzystano do dopasowania modelu regresji:

 #view number of observations used to fit model
nobs(fit)

[1] 8

Widzimy, że do dopasowania modelu wykorzystano 8 wierszy ramki danych.

Jeśli spojrzymy na oryginalną ramkę danych, zobaczymy, że dokładnie 8 wierszy miało wartość większą niż 10 dla zmiennej minuty , co oznacza, że tylko te wiersze zostały użyte podczas dopasowywania modelu regresji.

Możemy także użyć operatora & w argumencie podzbioru , aby podzielić ramkę danych na podstawie wielu warunków.

Na przykład moglibyśmy użyć następującej składni, aby dopasować model regresji, używając tylko wierszy w ramce danych, w których minuty są większe niż 10, a błędy są mniejsze niż 4:

 #fit multiple linear regression model (only where minutes>10 & fouls<4)
fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes> 10 & fouls< 4 ))

#view number of observations used to fit model
nobs(fit)

[1] 7

Z wyniku widać, że do dopasowania tego konkretnego modelu wykorzystano 7 wierszy ramki danych.

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