Cómo modelar las relaciones de datos lineales con r
Un análisis de varianza para los datos también se puede escribir como modelo lineal
en I, en el que utiliza un factor como una variable predictora de modelar una variable de respuesta.Por supuesto, variables de predicción también pueden ser variables continuas. Por ejemplo, el peso de un automóvil, obviamente, tiene una influencia en el kilometraje. Pero sería bueno tener una idea acerca de la magnitud de esa influencia. Esencialmente, usted desea encontrar la ecuación que representa la línea de tendencia. Usted encontrará la información que necesita para comprobar esto en el conjunto de datos mtcars.
¿Cómo construir un modelo lineal
los lm () función le permite especificar cualquier cosa, desde el modelo lineal más simple de modelos de interacción complejas.
Para modelar el kilometraje en función del peso de un coche, utiliza el lm () función, así:
> Modelo lt; - lm (mpg ~ = WT, datos mtcars)
Usted suministra dos argumentos:
Una fórmula que describe el modelo: Aquí, modelar la variable mpg como una función de la variable en peso.
Una trama de datos que contiene las variables de la fórmula: En este caso, se utiliza el marco de datos mtcars.
Puede especificar muchos modelos complejos con la interfaz de fórmula cuando usted sabe su manera alrededor.
El objeto resultante es una lista con una estructura muy compleja, pero en la mayoría de los casos no es necesario que preocuparse por eso. El objeto de modelo contiene una gran cantidad de información que se necesita para los cálculos de diagnóstico y nuevas predicciones.
¿Cómo extraer información del modelo
En lugar de sumergirse en el propio objeto de modelo y la búsqueda de la información en alguna parte del objeto de la lista, puede utilizar algunas de las funciones que le ayudan a obtener la información necesaria de la modelo. Por ejemplo, puede extraer un vector llamado con los coeficientes del modelo usando el coef () función, así:
> Coef.Model lt; - coef (Modelo)> coef.Model (Intercepción) wt37.285126 -5.344472
Estos coeficientes representan el intercepto y la pendiente de la línea de tendencia. Usted puede usar esto para trazar la línea de tendencia en un diagrama de dispersión de los datos. Esto se hace en dos pasos:
Trazar el diagrama de dispersión con los datos.
Se utiliza el gráfico() función para eso.
Se utiliza el abline () función para dibujar la línea de tendencia a partir de los coeficientes.
El siguiente código le da el terreno:
> Plot (mpg ~ peso, data = mtcars)> abline (a = coef.Model [1], b = coef.Model [2])
los abline () argumento la representa el intercepto, y b representa la pendiente de la línea de tendencia que desea trazar. Trazar una línea vertical estableciendo el argumento v a la intersección con el X-eje en su lugar. Las líneas horizontales se representan estableciendo el argumento v a la intersección con el y-eje.
A continuación se muestra una visión general de las funciones para extraer información de la propia objeto modelo. Estas funciones trabajan con diferentes objetos del modelo, incluyendo las construidas por AOV () y lm ().
Muchos autores de paquetes también ofrecen las mismas funciones para los modelos construidos por las funciones en su paquete. Por lo tanto, siempre se puede tratar de utilizar estas funciones de extracción en combinación con otras funciones de modelo así.
| Función | Que hace |
|---|---|
| coef () | Devuelve un vector con los coeficientes del modelo |
| CONFINT () | Devuelve una matriz con el límite superior e inferior del intervalo de theconfidence para cada coeficiente del modelo |
| equipada () | Devuelve un vector con los valores ajustados para everyobservation |
| residuos () | Devuelve un vector con los residuales para cada observación |
| vcov () | Devuelve la matriz de varianza-covarianza para el coeficiente |
¿Cómo crear una trama reticular en r Para explorar enrejado gráficos en R, primero miren el conjunto de datos integrada mtcars. Este conjunto de datos contiene 32 observaciones de los automóviles y la información sobre el motor, como el número de cilindros, automático frente a la…
Cómo crear diferentes tipos de gráficos en r La función de parcela en R tiene una escribe argumento de que controla el tipo de trama que se ve arrastrado. Por ejemplo, para crear un gráfico con líneas entre puntos de datos, utilice type = "l"- para trazar sólo los puntos, el uso type =…
Cómo evaluar los datos lineales con r Naturalmente, R ofrece toda una serie de diferentes pruebas y medidas para evaluar qué tan bien el modelo se ajuste a sus datos, así como ver los supuestos del modelo. Una vez más, el panorama que se presenta aquí está lejos de ser completa,…
Cómo predecir nuevos valores de datos con r Aparte de la descripción de las relaciones, los modelos también pueden usarse para predecir los valores para los nuevos datos. Por eso, muchos sistemas modelo en I utilizan la misma función, convenientemente llamado predecir (). Cada modelado de…
Cómo establecer los contrastes de sus datos con r Antes de poder utilizar R AOV () función con sus datos, había puesto mejor la contrastes que vas a utilizar. Contrastes son muy a menudo olvidados cuando se hace ANOVA (análisis de variables), pero por lo general ayudan a la interpretación del…
¿Cómo trabajar con los factores y vectores numéricos en modelos r y cálculos Si usted trabaja con factores R que tienen valores numéricos como los niveles, tienes que tener mucho cuidado cuando se utilizan estos factores en modelos y otros cálculos. Por ejemplo, convertir el número de cilindros en el conjunto de datos…
Calcule un modelo de regresión en la TI-83 Plus Modelos de regresión es el proceso de encontrar una función que se aproxima a la relación entre las dos variables en dos listas de datos. Para calcular un modelo de regresión para los datos de dos variables en la TI-83 Plus, siga estos pasos:Si…
Modelos de regresión en la TI-84 Plus Modelos de regresión es el proceso de encontrar una función que se aproxima a la relación entre las dos variables en dos listas de datos. La tabla muestra los tipos de modelos de regresión Plus calculadora TI-84 puede calcular.Tipos de Modelos…
Econometría: elección de la forma funcional de su modelo de regresión En la econometría, el procedimiento de estimación estándar para el modelo de regresión lineal clásica, mínimos cuadrados ordinarios (MCO), tiene capacidad para las relaciones complejas. Por lo tanto, usted tiene una cantidad considerable de…
Econometría y el modelo log-lineal Si utiliza valores logarítmicos naturales para su variable dependiente (Y) Y mantener sus variables independientes (X) En su escala original, la especificación econométrica se llama log-lineal del modelo. Estos modelos se utilizan normalmente…
Econometría y el modelo log-log Utilizando logaritmos naturales para las variables en ambos lados de su especificación econométrica se llama log-log modelo. Este modelo es útil cuando la relación no es lineal en los parámetros, ya que la transformación logarítmica genera la…
Multicolinealidad perfecta y el modelo econométrico Conseguir un asimiento en multicolinealidad perfecta, que es poco frecuente, es más fácil si se puede imaginar un modelo econométrico que utiliza dos variables independientes, tales como las siguientes:Supongamos que, en este modelo,donde los…