는 R
답변
코드 r = lm(y ~ x1+x2)
은 y를 x1과 x2의 선형 함수로 모델링한다는 것을 의미합니다. 모델이 완전하지 않기 때문에, 잔여 항 (즉, 모델이 적합하지 못한 좌상)이있을 것이다. 롭 Hyndman이 a
, b1
및 b2
는 상수와 e
이 (정규 분포하는 것으로 가정되는) 당신의 잔여 인 코멘트 y = a + b1*x1 + b2*x2 + e
에서 언급 한 바와 같이
.
는a
,
b1
,
b2
에 너무이 경우
b3
에
이제
model1 <- lm(Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width, data=iris)
우리는 모델의 정수를 추출 할 수 있습니다 (해당 R.와 함께 제공되는 홍채 데이터를 고려, 구체적인 예를 살펴하려면).
> coefficients(model1)
(Intercept) Sepal.Width Petal.Length Petal.Width
1.8559975 0.6508372 0.7091320 -0.5564827
잔차는 모델에 사용 된 데이터의 각 행에 대해 계산되었습니다.
> residuals(model1)
1 2 3 4 5
0.0845842387 0.2100028184 -0.0492514176 -0.2259940935 -0.0804994772
# etc. There are 150 residuals and 150 rows in the iris dataset.
(편집 :와 관계있는하지 컷 요약 정보.)
편집 :
당신이 AOV에 대한 도움말 페이지에 설명에 귀하의 의견에 언급 Error
값 .
If the formula contains a single ‘Error’ term, this is used to
specify error strata, and appropriate models are fitted within
each error stratum.
는합니다 (?aov
페이지에서 발췌.) 다음은 오류 조건에 무엇을
> utils::data(npk, package="MASS")
> aov(yield ~ N*P*K, npk)
Call:
aov(formula = yield ~ N * P * K, data = npk)
Terms:
N P K N:P N:K P:K N:P:K Residuals
Sum of Squares 189.2817 8.4017 95.2017 21.2817 33.1350 0.4817 37.0017 491.5800
Deg. of Freedom 1 1 1 1 1 1 1 16
Residual standard error: 5.542901
Estimated effects may be unbalanced
> aov(yield ~ N*P*K + Error(block), npk)
Call:
aov(formula = yield ~ N * P * K + Error(block), data = npk)
Grand Mean: 54.875
Stratum 1: block
Terms:
N:P:K Residuals
Sum of Squares 37.00167 306.29333
Deg. of Freedom 1 4
Residual standard error: 8.750619
Estimated effects are balanced
Stratum 2: Within
Terms:
N P K N:P N:K P:K Residuals
Sum of Squares 189.28167 8.40167 95.20167 21.28167 33.13500 0.48167 185.28667
Deg. of Freedom 1 1 1 1 1 1 12
Residual standard error: 3.929447
1 out of 7 effects not estimable
Estimated effects may be unbalanced
안녕하세요, Richie,이게 재미있어 보여요. 그래서 나는 이것을 R : > v = aov (yield ~ N * P * K, npk) > v2 = aov (yield ~ N * P * K + Error (block), npk) > 계수 (v) > 계수 (v2) 어떤 회귀 유형입니까? 그리고 N1 : P1과 N1 : P1 : K1 같은 계수는 무엇입니까? – phpdash
@phpdash : 분할 형 ANOVA라고도합니다. Michael Crawley의 통계 컴퓨팅에 대한 단계별 예제가 있습니다. http://books.google.com/books?id=OlPUa6lVeb0C&pg=PA345# –
- 1. 는 R
- 2. 는 R + ggplot : 변환을 조정하고
- 3. refer (r)는 기술적으로 어떻게 작동합니까?
- 4. [R]
- 5. R 적합성 기능 R
- 6. R 모양의 패턴 R
- 7. R 정규 분포의 피팅 R
- 8. R 코드를 R 스타일로 변환
- 9. R 병렬 실행 문제 R
- 10. 는 bash는 스크립트에서 인자를 가진 R 파일을 실행
- 11. 는
- 12. 는
- 13. 는
- 14. K & R
- 15. 는
- 16. R - 함수를 루프로 바꾸는 법 R
- 17. 이미 R 익숙한 SAS 학습을위한 리소스 R
- 18. 는
- 19. R 스크립트에서 gawk 전화하기
- 20. R : 유통
- 21. 대안은 R
- 22. 마 R
- 23. 다단계리스트가 R
- 24. 어떻게 R
- 25. color2D.matplot R
- 26. 분할 R
- 27. 는
- 28. 는
- 29. R. 초보자를위한 내부
- 30. delim files in R
을 의미합니까 비교? 코드는 다음 선형 모델에 맞을 것입니다 : y = a + b1 * x1 + b2 * x2 + e 여기서 e는 오류입니다. –
그래서 모델에는 이미 오류 조건이 포함되어 있습니까? 그러나 나는 이것도 보았다 : y ~ A * B + 오류 (C) – phpdash