【R】【lm()】初理解

浅试lm()

a<-c(1,2,3,4,5)
b<-c(2,4,6,8,10)
mydata<-data.frame(a,b)

myfit<-lm(a~b,mydata)
#myfit<-lm(formula,data)

summary.lm(myfit)

Coefficients部分：

Estimate：估值
Std. Error：标准误差
t value：T值
Pr(>|t|)：P值

通过P值与预设的0.05进行比较，来判定对应的解释变量的显著性（检验的原假设是，该系数是否显著为0，P<0.05则拒绝原假设，即对应的变量显著不为0）
截距Intercept=0.144
b<2的负16次方
认为在P为0.05的水平下显著不为0，通过显著性检验

Multiple R-squared：拟合优度
Adjusted R-squared：修正的拟合优度
是指回归方程对样本的拟合程度几何
这里修正的拟合优度=1，拟合程度很好
这个值越高越好，提升拟合优度的方法很多

F-statistic：F统计量，也称为F检验，常常用于判断方程整体的显著性检验
P值=2.2的负16次方<0.05
认为方程在P=0.05的水平上通过显著性检验

总结：
T检验：检验解释变量的显著性
R-squared：查看方程拟合程度
F检验：检验方程整体显著性

警告

In summary.lm(myfit) : essentially perfect fit: summary may be unreliable

msgid “essentially perfect fit: summary may be unreliable”
msgstr “对几乎是完全拟合进行ANOVA F-检验的结果不会可靠”

可能存在的问题数据格式符合但不足以拟合导致结果不够理想

文档示例（暂未精读）

ctl <- c(4.17,5.58,5.18,6.11,4.50,4.61,5.17,4.53,5.33,5.14)
trt <- c(4.81,4.17,4.41,3.59,5.87,3.83,6.03,4.89,4.32,4.69)
group <- gl(2, 10, 20, labels = c("Ctl","Trt"))
weight <- c(ctl, trt)
lm.D9 <- lm(weight ~ group)
lm.D90 <- lm(weight ~ group - 1) # omitting intercept

anova(lm.D9)
summary(lm.D90)

opar <- par(mfrow = c(2,2), oma = c(0, 0, 1.1, 0))
plot(lm.D9, las = 1)      # Residuals, Fitted, ...
par(opar)

Reference

R语言错误的提示（中英文翻译）–bahui7562–CSDN

R语言填坑–丶L–CSDN

【[R] 【教程】教你如何读懂线性回归lm的结果summary（判断显著性）[转]】