一、交互项
① 语句lstat : black —— 将lstat和black的交互项lstat x age纳入模型
② 语句lstat * age —— 将lstat,age和交互项lstat x age同时作为预测变量
(即lstat * age = lstat + age + lstat x age)
二、预测变量的非线性变换
1.创建非一次变量: I(),如 I(X^2)
2.量化乙模型在何种程度上优于甲模型,用anova()函数:
如果输入:
par(mfrow = c(2,2) )
plot(lm.fit2)
就可以看到当模型包含lstat^2时,残差中可识别的规律很少。
3.创建高阶多项式的便捷方式:poly(变量x, 次方k)
# poly(lstat,5) = lstat + lstat^2 + lstat^3 + lstat^4 + lstat^5
4.对预测变量进行对数转换:
lm.fitlog = lm(medv~log(rm)) # log()
三、定性预测变量
对于定性变量Shelveloc,R将自动生成虚拟变量
R创建了虚拟变量ShelveLocGood,如果货架位置好,值为1,否则为0;还创建了虚拟变量ShelveLocMedium,如果货架位置属于中等水平,值为1,否则为0.