-
回归
从许多方面来看回归都是统计学的核心。它其实是一个广义的概念,通常指的是哪些用一个变量或则多个变量来预测响应变量的的方法。
在R语言中,关于回归分析的函数已经超过了200多个,关于回归分析也存在着各种各样的变体
- 简单线性回归
- 多项式
- 多层
- 多元
- 多变量
- Logistic
- 泊松
- Cox比例风险
- 、、、
回归分析主要是对变量的参数进行估计,方法常常是加权的方法。
OLS回归
最小二乘法,其拟合形式:
用lm()拟合回归模型
在R语言中,拟合线性模性用的最多的就是lm()函数,格式为:
myfit <- lm(formula,data) #formula的格式如下: y~x1+x2+...+xk
R中常用的表达式符号:
~ 分隔左右两边的符号,因变量~自变量 + 分隔 : 预测变量的交互项 * 表示所有可能交互项的简洁方式,y~xyz,表示y~x+y+z+x:z+x:y+y:z ^ 表示交互项达到的某个次数 . 表示除因变量外的所有变量 - 建好 -1 表示删除截距项 I() 表示以算术角度来解释括号中的符号 function 可以在表达式中表现的函数 对拟合结果非常有用的其他函数:
函数 用途 summary() 展示拟合模型的详细结果
R语言学习 day_7
最新推荐文章于 2024-03-26 21:27:44 发布