r语言 回归分析 分类变量_R语言 | 回归分析（三）

R语言

语言学与R语言的碰撞

Xu & Yang

PhoneticSan

学习参考

Discovering Statistics Using R

Statistics for Linguistics with R

How to Do Linguistics with R

R in Action

Analyzing Linguistic Data

R Graphics Cookbook

··· ···

Recap

1. 进行线性回归需要满足三个前提假设：线性、残差正态性、残差的方差齐性。其中方差齐性检验可使用car包中的ncvTest( )函数或spreadLevelPlot( )函数。

2. 两个以上的预测变量使用的方法叫做多元回归，基本公式是Y = b0 + b1X1 + b2X2 + ... + bnXn + ε，每一个系数表示其对应预测变量对因变量的影响。

3. 多元回归使用的函数同样是lm( )函数，对于不同的预测变量，使用➕连接。如果考察某两个变量的交互效应，则使用：连接两个变量。建立null model和拟合回归模型后，使用anova( )分析。

R: The R Project for Statistical Computing

https://www.r-project.org/

RStudio:

https://rstudio.com/

R Project

Linguistics

1

 分类预测变量

在之前的回归分析介绍中，我们探讨的预测变量都是连续型变量。比如例子中的WrittenFrequency(书写出现的频率)是一个“连续不断”的变量，它小数点后理论上有无数位。而在我们语