วิธีแยกค่าสัมประสิทธิ์การถดถอยจากฟังก์ชัน lm() ใน r

คุณสามารถใช้วิธีการต่อไปนี้เพื่อแยกค่าสัมประสิทธิ์การถดถอยจาก ฟังก์ชัน lm() ใน R:

วิธีที่ 1: แยกเฉพาะค่าสัมประสิทธิ์การถดถอย

 model$coefficients

วิธีที่ 2: แยกค่าสัมประสิทธิ์การถดถอยที่มีข้อผิดพลาดมาตรฐาน สถิติ T และค่า P

 summary(model)$coefficients

ตัวอย่างต่อไปนี้แสดงวิธีการใช้วิธีการเหล่านี้ในทางปฏิบัติ

ตัวอย่าง: แยกค่าสัมประสิทธิ์การถดถอยจาก lm() ในหน่วย R

สมมติว่าเราใส่โมเดลการถดถอยเชิงเส้นพหุคูณต่อไปนี้ใน 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)

เราสามารถใช้ฟังก์ชัน summary() เพื่อแสดงข้อมูลสรุปแบบเต็มของโมเดลการถดถอย:

 #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

ในการแสดงเฉพาะค่าสัมประสิทธิ์การถดถอย เราสามารถใช้ ค่าสัมประสิทธิ์ model$ ได้ดังต่อไปนี้:

 #view only regression coefficients of model
model$coefficients

(Intercept) points assists rebounds 
  66.435519 1.215203 -2.596789 2.820224

เราสามารถใช้สัมประสิทธิ์เหล่านี้เพื่อเขียนสมการถดถอยแบบพอดีต่อไปนี้:

คะแนน = 66.43551 + 1.21520 (แต้ม) – 2.59678 (แอสซิสต์) + 2.82022 (รีบาวน์)

ในการแสดงค่าสัมประสิทธิ์การถดถอยพร้อมกับข้อผิดพลาดมาตรฐาน สถิติ t และค่า p เราสามารถใช้ ค่าสัมประสิทธิ์การสรุป (แบบจำลอง)$ ได้ดังต่อไปนี้:

 #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

เรายังสามารถเข้าถึงค่าเฉพาะในเอาต์พุตนี้ได้

ตัวอย่างเช่น เราสามารถใช้โค้ดต่อไปนี้เพื่อเข้าถึง ค่า p ของตัวแปร point :

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

[1] 0.02231542

หรือเราสามารถใช้โค้ดต่อไปนี้เพื่อเข้าถึงค่า p สำหรับแต่ละค่าสัมประสิทธิ์การถดถอย:

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

(Intercept) points assists rebounds 
0.002175313 0.022315418 0.208600183 0.178471275 

ค่า P จะแสดงสำหรับแต่ละสัมประสิทธิ์การถดถอยในแบบจำลอง

คุณสามารถใช้ไวยากรณ์ที่คล้ายกันเพื่อเข้าถึงค่าใดๆ ในเอาต์พุตการถดถอย

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการงานทั่วไปอื่นๆ ใน R:

วิธีดำเนินการถดถอยเชิงเส้นอย่างง่ายใน R
วิธีดำเนินการถดถอยเชิงเส้นพหุคูณใน R
วิธีสร้างพล็อตที่เหลือใน R