R教材6 回归

最新推荐文章于 2024-04-02 14:43:03 发布

原创

最新推荐文章于 2024-04-02 14:43:03 发布 · 525 阅读

0 ·

CC 4.0 BY-SA版权

本文详细介绍了如何在R中使用OLS进行回归分析，包括lm()函数的使用、模型构建、交互项表示及模型结果分析。重点讨论了多元线性回归中的变量相关性检查、交互项效应、回归诊断以及如何处理模型的前提假设问题，如残差分析、正态性检验、同方差性检验等。此外，还提到了异常值、高杠杆值点和强影响点的识别，以及如何通过变量变换、增删变量、使用其他回归方法来改进模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

大部分情况下，我们用OLS（最小二乘法）来得出回归模型
lm(formula,data)拟合回归模型，data是数据框
1. y~x，左边为响应变量，右边为解释变量；+分隔预测变量
2. :表示交互项，x:y
3. *表示所有可能交互项的简洁方式，x*z=x+z+x:z
4. ^表示交互达到某个次数，(x+z+w)^2=x+z+w+x:z+x:w+z:w
5. .表示出因变量外的所有变量，不包含自变量间的交互项
6. -从等式中移除某个变量
7. -1删除截距项
8. I()从算术的角度来解释括号中的元素，如I(x^2)；在R中写回归模型，单个x^2是不能写的，必须这样写
9. fun可以在表达式中用的数学函数，可用在因变量，log(y)~x+z
回归结果分析函数
1. summary()
2. coefficients()列出模型的系数
3. confint()提供模型参数的置信区间
4. fitted()拟合模型的预测，模型拟合的y值，fitted(模型)
5. residuals()拟合模型的残差
6. anova()比较多个拟合模型的方差分析，可以比较模型间是否有差异，根据奥卡姆剃刀原则，可以比较是否是最优最简模型
7. vcov()模型参数的协方差矩阵
8. AIC()赤池信息统计量
9. plot()作4张图
10. *abline()在前一个图上划直线；lines(x,y)根据点作平滑的曲线
11. *car::scatterplot()更方便地绘制二元关系图
12. predict()用拟合模型对新数据预测y
13. *options(digits=2)，设置小数点后2位
多元线性回归
1. 首先，检查变