R语言回归笔记

最新推荐文章于 2022-12-02 17:02:08 发布

沈帅杰

最新推荐文章于 2022-12-02 17:02:08 发布

阅读量518

点赞数 1

分类专栏： R语言统计分析文章标签： r语言回归开发语言

本文链接：https://blog.csdn.net/weixin_45452300/article/details/122149597

版权

R语言统计分析专栏收录该内容

6 篇文章 3 订阅

订阅专栏

这篇博客探讨了回归分析的不同方法，包括一元回归、多元回归以及如何处理共线性问题。通过实例展示了R语言中使用`lm()`函数进行回归建模，以及`step()`函数进行逐步回归的选择。当存在共线性时，引入了岭回归利用`linearRidge()`函数，并用`plsr()`进行偏最小二乘回归，以降低变量间的相关性。

摘要由CSDN通过智能技术生成

主要内容

一元回归

在这里插入图片描述

library(rio)
lm <- import('lm1.xlsx')
fitlm <- lm(weight~N,data = lm)
summary((fitlm))
# 模型R20.911，截距和系数均极显著方程为weight=3N-87.51667

summary((fitlm))

Call:
lm(formula = weight ~ N, data = lm)

Residuals:
    Min      1Q  Median      3Q     Max 
-1.7333 -1.1333 -0.3833  0.7417  3.1167 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) -87.51667    5.93694  -14.74 1.71e-09 ***
N             3.45000    0.09114   37.85 1.09e-14 ***

多元回归

在这里插入图片描述

library(rio)
lm2 <- import('lm2.xlsx')
fitlm2 <- lm(y~., data = lm2)  # y~.为考虑y与其他所有变量
summary(fitlm2)
steplm2 <- step(fitlm2) # 逐步回归
summary(steplm2)
# R20.94方程y=13.206x1+3.229x3+5.826x4-574.208
# x3x4未达到显著水平也可以考虑去除

结果
>Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -574.208 144.483 -3.974 0.01648 *
x1 13.206 2.842 4.646 0.00969 **
x3 3.229 2.986 1.081 0.34046
x4 5.826 2.700 2.158 0.09714 .

存在共线性的回归

岭回归

library(carData)
library(car)
lm3 <- import('./R语言与农业建模/R_statistics/cement.csv')
fitlm3 <- lm(y~x1+x2+x3+x4, data = lm3)
summary(fitlm3)
vif(fitlm3)
# 参数之间存在较强共线性vif均大于9
steplm3 <- step(fitlm3) 
summary(steplm3)
vif(steplm3 )
#逐步回归后x2x4仍有共线性
plot(lm3[, 2:5])
cor(lm3[, 2:5])
# 岭回归
library(ridge)
a  <- linearRidge(y~x1+x2+x3+x4, data = lm3)
summary(a)
# y=75.45461+1.30872x1+0.39175x2-0.09997x3-0.24820x4

偏最小二乘

library(pls)
ap <- plsr(y~x1+x2+x3+x4, data = lm3, ncomp=4, validation='LOO',jackknife=TRUE)
summary(ap)
#root mean squared error of prediction
RMSEP(ap)
#the mean squared error of prediction
MSEP(ap)
R2(ap)
coef(ap)  # 模型可能是标准化后的结果，可能需要对数据标准化处理
# y=x1 * 1.48052476+x2 * 0.49183630 + x3 * 0.05099729 - x4 * 0.15627481
jack.test(ap)
plot(ap)