Как использовать подмножество фрейма данных с функцией lm() в r

Вы можете использовать аргумент subset , чтобы использовать только подмножество фрейма данных при использовании функции lm() для соответствия модели регрессии в R:

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

Этот конкретный пример соответствует модели регрессии, использующей точки в качестве переменной ответа, а толпы и минуты в качестве переменных-предикторов.

Аргумент subset указывает, что при подборе модели регрессии следует использовать только строки в фрейме данных, где переменная минут больше 10.

В следующем примере показано, как использовать этот синтаксис на практике.

Пример. Как использовать подмножество фреймов данных с помощью lm() в R

Предположим, у нас есть следующий кадр данных в R, который содержит информацию о сыгранных минутах, общем количестве нарушений и общем количестве очков, набранных 10 баскетболистами:

 #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

Предположим, мы хотим подогнать следующую модель множественной линейной регрессии:

очки = β ₀ + β ₁ (минуты) + β ₂ (нарушения)

Однако предположим, что мы хотим использовать только те строки во фрейме данных, где переменная минут больше 10.

Мы можем использовать функцию lm() с аргументом subset , чтобы соответствовать этой модели регрессии:

 #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

Мы можем использовать функцию nobs() , чтобы увидеть, сколько наблюдений из фрейма данных было фактически использовано для соответствия модели регрессии:

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

[1] 8

Мы видим, что для соответствия модели было использовано 8 строк фрейма данных.

Если мы посмотрим на исходный фрейм данных, то увидим, что ровно 8 строк имели значение переменной минут больше 10, а это означает, что только эти строки использовались при подборе модели регрессии.

Мы также можем использовать оператор & в аргументе subset для подмножества фрейма данных на основе нескольких условий.

Например, мы могли бы использовать следующий синтаксис для подбора модели регрессии, используя только те строки в фрейме данных, где минуты больше 10, а количество ошибок меньше 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

Из результата мы видим, что для соответствия этой конкретной модели было использовано 7 строк фрейма данных.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные задачи в R:

Как выполнить простую линейную регрессию в R
Как выполнить множественную линейную регрессию в R
Как создать остаточный график в R