R语言多元线性回归

本文介绍了在R语言中进行多元线性回归分析时,如何利用后退法选择合适的自变量。通过`summary`函数,可以查看每个自变量对应的p值,以此来判断自变量在模型中的显著性。
摘要由CSDN通过智能技术生成

多元线性回归关键在于自变量筛选。一般采用后退法。


# 工业用电量的全变量回归
lm.fullind <- lm(data[,10] ~ data[,3]+data[,5]+data[,6]+data[,7]+
                   data[,14]+data[,15])
summary(lm.fullind)

R语言中summary可以打印每个自变量的p值(“Pr(>|t|)”)

Call:
lm(formula = data[, 10] ~ data[, 3] + data[, 5] + data[, 6] + 
    data[, 7] + data[, 14] + data[, 15])

Residuals:
   Min     1Q Median     3Q    Max 
-63.18 -19.56   5.48  17.19  53.79 

Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
(Intercept) 1832.67765  532.30742   3.443 0.001255 ** 
data[, 3]      0.11092    0.01781   6.227 1.43e-07 ***
data[
  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
R语言中,进行多元线性回归可以使用lm()函数。首先,根据引用中提到的多重判定系数公式,我们可以使用summary()函数来评价多元线性回归的拟合程度。这个函数会给出多个统计量,其中包括判定系数R-squared的值,用于衡量模的拟合优度。 引用提到,在多元线性回归中,我们需要进行线性关系检验和回归系数检验。对于线性关系检验,我们可以使用F检验来判断模是否具有整体显著性。在R语言中,我们可以通过summary()函数的F值来进行判断。 引用指出,在多元线性回归中,如果只有一个回归系数不显著,其他变量都显著,我们可以考虑将不显著的变量从模剔除。 另外,在多元线性回归中,还需要考虑多重共线性的问题。多重共线性是指解释变量之间存在高度相关性的情况。我们可以使用VIF(Variance Inflation Factor)来判断变量之间的相关性。 因此,在R语言中进行多元线性回归,可以按照以下步骤操作: 1. 使用lm()函数建立多元线性回归,指定自变量和因变量。 2. 使用summary()函数来评价模的拟合程度,并查看判定系数R-squared的值。 3. 进行线性关系检验,使用summary()函数的F值来判断模是否具有整体显著性。 4. 根据回归系数的显著性,决定是否剔除不显著的变量。 5. 对于存在多重共线性的情况,使用VIF来判断变量之间的相关性。 请注意,这只是多元线性回归的一般步骤,在具体应用中可能需要根据实际情况进行相应的调整和解释。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [R语言——多元线性回归](https://blog.csdn.net/weixin_41030360/article/details/80891738)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值