ZY_Jack的博客

两模型比较：anova（）函数：可以比较两个嵌套模型的拟合优度。fit1<-lm(Murder~Population+Illiteracy+Income+Frost,data=states)fit2<-lm(Murder~Population+Illiteracy,data=states)anova(fit2,fit1)结论：p=0.994，不显著，不需要将Income和Frost添加到线性模型中。AIC（）函数：考虑了模型的统计拟合度遗迹用来拟合的参...

全面的回归分析包括对异常值的分析：离群点、高杠杆值点、强影响点。离群点：模型效果不佳的观测点。使用car包中的outlierTest（）函数，可以求得最大标准化残差绝对值Bonferroni调整后的p值，若不显著，则说明数据集中没有离群点，若显著，则必须删除该离群点。> library(car)> outlierTest(fit)可见，在这个...

8.3回归诊断回归诊断技术提供了评价回归模型使用性的必要工具，能帮助发现并且纠正问题。有几种方法进行回归诊断。分别是标准方法、car包中的函数、gvlma函数。建议先通过gvlma函数进行验证，如果违反假设条件，再使用其他方法来判断哪些假设没有满足并进行修改。第一种：标准方法（了解），对lm()函数的返回对象使用plot()函数。> fit<-lm(weight~height...

使用effect函数的时候报错Error in vcov.(mod, complete = FALSE) : 没有"vcov."这个函数使用args命令查看effect函数的参数可以发现> args(effect)function (term, mod, vcov. = vcov, ...) 很可能系统把list识别成vcov.函数，因此报错。...

线性回归：R语言实战 简单线性回归如果直线形式的线性回归不够准确，可以多加一个二次项，构成多项式回归，变成一条曲线来提高拟合的精度。多项式回归：R语言实战笔记 多项式回归如果预测变量不止一个，就变成了多元线性回归。其实线性回归主要还是作为一个验证手段，下面举个多元线性回归的例子。> library(car)> states<-as.data.fram...

多项式回归数据准备：Women数据集（系统自带）：15个年龄在30~39岁间女性的身高和体重信息目的：通过身高预测体重，获得等式来判断过轻或者过重个体。使用多项式回归，新增加一个自变量的平方项Height²，比简单线性回归更为准确。> fit2 <- lm(weight ~ height + I(height^2), data=women)> summary(fit2...

R语言中的fitted() 和predict()总结来说，fitted（拟合）是在给定样本上做预测，而predict（预测）是在新的样本上做预测。以前一篇中的数据为例，图片是根据高度（height）来预测体重（weight）。其中真实的数据是第一项，fitted得到的数据（拟合数据）是第二项，表现在图中：真实值位于离散的点上，而fitted和predict得到的拟合值则是位于直线上。p...

简单线性回归数据准备：Women数据集：15个年龄在30~39岁间女性的身高和体重信息目的：通过身高预测体重，获得等式来判断过轻或者过重个体。> fit<- lm(weight~height,data=women)> summary(fit)得到的结果如图所示，主要现在需要的信息在图中框出：红色框的结果可以得到拟合的等式：拟合得到的Weight=-87.52...

第八章回归OLS回归这里演示的大部分内容中，都是利用OLS法通过一系列的预测变量来预测响应变量。OLS回归的大概介绍：OLS回归拟合模型的形式：n是观测的数目k是也测变量的数目第i次观测对应的因变量的预测值（具体来讲，它是在已知预测变量值的条件下，对Y分布估计的均值）第i次观测对应的第j个预测变量值截距项（当所有的预测变量都为0时，Y的预测值）预测变量j的回归系数（斜...

组间差异的非参数检验若数据无法满足t检验或ANOVA的参数假设，可使用非参数方法两组的比较Mann-Whitney U检验两组数据独立时使用。用来判断一个总体中获得更高得分的概率是否比另一个总体要大。> library(MASS)> with(UScrime,by(Prob,So,median))> wilcox.test(Prob~So,data = UScri...

with(data, expr, …)函数用于在一个从data构建出的环境中运行R表达式。by(data, INDICES, FUN, …, simplify = TRUE)函数用于将data中的数据，按照INDICES里面的内容拆分成若干个小的data frame，并且在每一小块data frame上应用FUN函数。数据介绍：以前面文章中使用的数据为例：取数据集中的So（也就是是否位于南...

t检验如果变量是类别型的，那么可以直接使用7.3节中的显著性检验的方法。结果变量为连续型的组间，并假设其呈正态分布，则需要使用这节的方法。数据准备MASS 包中的 UScrime 数据集，包含了1960年美国47个州的刑罚制度对犯罪率影响的信息。感兴趣的变量：Prob （监禁的概率）、U1 （14~24岁年龄段城市男性失业率）U2 （35~39岁年龄段城市男性失业率）类别型变量 So...

相关相关系数可以用来描述定量变量之间的关系。将使用R基础安装中的state.x77数据集，提供了美国50个州在1977年的人口、收入、文盲率、预期寿命、谋杀率和高中毕业率数据等。数据如下：相关的类型Pearson、Spearman和Kendall相关：可以用cor(x, use= , method= )函数计算三种相关系数。而cov()函数可用来计算协方差。cor和cov的参数：...

描述性统计分析使用车辆路试（mtcars）数据集。关注每加仑汽油行驶英里数（mpg），马力（hp），车重（wt）。> myvars<-c("mpg","hp","wt")> head(mtcars[myvars])其中head只取最前面6行> summary(mtcars[myvars])通过summary()计算描述性统计量。summ...

Rstudio安装其他package，以vcb包为例。当使用library()来导入某个包的时候，如果出现> library(vcb)Error in library(vcb) : 不存在叫‘vcb’这个名字的程辑包之类的错误，则需要手动导入这个包。首先点击上面工具栏中的Tools选项选择Install Packages在如图所示的Packag...