多元线性回归--R实现

1.多元线性回归

多元线性回归的代码实现如下:

> data3.1<-read.csv("C:/Users/Administrator/Desktop/data3.1.csv",head=TRUE)
> lm3.1<-lm(y~x1+x2+x3+x4+x5+x6+x7+x8+x9,data=data3.1)
> summary(lm3.1)

输出结果为:
在这里插入图片描述
  因而 y y y对9个自变量的线性回归方程为:
   y ^ = 320.6 + 1.317 x 1 + 1.65 x 2 + 2.179 x 3 − 0.006 x 4 + 1.684 x 5 \hat{y}=320.6+1.317x_{1}+1.65x_{2}+2.179x_{3}-0.006x_{4}+1.684x_{5} y^=320.6+1.317x1+1.65x2+2.179x30.006x4+1.684x5
          + 0.01 x 6 + 0.004 x 7 − 19.13 x 8 + 50.52 x 9 +0.01x_{6}+0.004x_{7}-19.13x_{8}+50.52x_{9} +0.01x6+0.004x719.13x8+50.52x9
       
  由summary()语句的输出结果可以看出,其中 F F F值为 299 299 299,对应的 P P P值为 2.2 e − 16 2.2e-16 2.2e16,由此可知次回归方程整体上高度显著,即做出9个自变量整体对因变量 y y y产生显著线性影响的判断所犯错误的概率约为0.

2.方差分析

对于线性回归的方差分析,R语言中不仅可使用函数anova()得到方差分析表,还可以使用函数Anova()。

> library(car)
> Anova(lm3.1,type="III")

得到结果如下:
在这里插入图片描述
  从上述结果中看出,在显著性水平 α = 0.05 \alpha =0.05 α=0.05下,只有 x 1 , x 2 , x 3 , x 5 x_{1},x_{2},x_{3},x_{5} x1,x2,x3,x5 y y y产生显著线性影响。

3.偏相关系数

偏相关系数测定在回归方程中已包含若干个自变量时,在引入某一个新的自变量时, y y y的剩余变差的相对减少量,它衡量某自变量对 y y y的变差减少的边际贡献。偏决定系数的算术平方根为片相关系数。

> data3.2<-read.csv("C:/Users/Administrator/Desktop/data3.2.csv",head=TRUE)
> lm3.2<-lm(y~x1+x2,data=data3.2)
>  r<-cor(data3.2)
> library(corpcor)
> pcor3.2<-cor2pcor(r)

输出结果为:
相关系数:
在这里插入图片描述
偏相关系数:
在这里插入图片描述
  从上面结果可以看出, r y 1 ; 2 = 0.802 r_{y1;2}=0.802 ry1;2=0.802 r y 1 ; 2 r_{y1;2} ry1;2表示模型中已含有 x 2 x_{2} x2时再加入 x 1 x_{1} x1使 y y y的剩余变差的相对减少量), r y 1 ; 2 = 0.739 r_{y1;2}=0.739 ry1;2=0.739,进一步计算可得到偏决定系数 r y 1 ; 2 2 = 0.643 , r y 2 ; 1 2 = 0.546 r_{y1;2}^{2}=0.643,r_{y2;1}^{2}=0.546 ry1;22=0.643,ry2;12=0.546.
  由相关系数矩阵可知, y y y x 1 x_{1} x1的简单相关系数 r y 1 = 0.807 r_{y1}=0.807 ry1=0.807,则决定系数 r y 1 2 = ( 0.807 ) 2 = 0.652 r_{y1}^{2}=(0.807)^{^{2}}=0.652 ry12=(0.807)2=0.652.
  以上数据表明,用 y y y x 1 x_{1} x1做一元线性回归时, x 1 x_{1} x1能消除 y y y的变差SST的比例是62.5%,再引入 x 2 x_{2} x2时, x 2 x_{2} x2能消除剩余变差SSE的比例是54.6%,因而自变量 x 1 x_{1} x1 x 2 x_{2} x2消除变差的总比例为 1 − ( 1 − r y 1 2 ) ( 1 − r y 2 ; 1 2 ) = 1 ( 1 − 0.652 ) × ( 1 − 0.546 ) = 0.842 1-(1-r_{y1}^{2})(1-r_{y2;1}^{2})=1(1-0.652)\times(1-0.546)=0.842 1(1ry12)(1ry2;12)=1(10.652)×(10.546)=0.842,这个值恰好是 y y y x 1 x_{1} x1 x 2 x_{2} x2的二元香型回归的决定系数 R 2 R^{2} R2.

  • 4
    点赞
  • 98
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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