선형 회귀 방정식 R

우리가 이것에 의해, R은 실제 회귀 방정식을 절약 할 어떤 변수에 따라 R의 선형 회귀를 실행할 때 나는 R 실제로 형태의 방정식을 절약 할 의미 :선형 회귀 방정식 R

Y를 = B0 + B1x1 + B2x2 + B3x3 etc.

나는 그 방정식을 나중에 호출하고 싶기 때문에 물어 보거나 새로운 변수를 만들고 위의 방정식과 같게해야하며 동시에 내 베타 값을 포함해야한다. (예를 들어) R

z = 0.1 + 0.2x1 + 0.3x2 + 0.4x3 등

예측 기능을 사용할 수 있다는 것을 알고 있지만 정확히 무엇을 찾고 있는지 확실하지 않습니다.

출처

2016-11-10 John

fm <- lm (demand ~ Time, BOD); formula (fm)' –

'predict'를 사용하는 것 이외에, 방정식은 여러분이 설명하는 형식 afaik에 저장되지 않습니다. 가장 가까운 것은 나머지를 구성 할 수있는'coef' 일 수 있습니다. –

당신의 목표가 추정 된 계수를 새로운 데이터 세트에 적용하는 것이라면, 당신은'예측'을 사용하고 싶습니다. 이 사용법을 잘 모르는 경우 도움말 파일 ('lm'을 사용한다면'? predict.lm'이 될 것입니다)과 SO에 대한 다른 유사한 질문을보세요. http://stackoverflow.com/questions/9028662/predict-maybe-im-not-understanding-it. 어떤 다른 목적으로이 공식을 사용하려면 추출한 다음 G. Grothendieck과 같은 주석을 사용하십시오. – konvas

계수를 얻으려면 작품에 summary()를 사용합니다.

는

my_lm <- lm(Sepal.Length~Sepal.Width+Petal.Width+Petal.Length,iris) 
coeffients <- summary(my_lm)$coefficients 
coeffients 
       Estimate Std. Error t value  Pr(>|t|) 
(Intercept) 1.8559975 0.25077711 7.400984 9.853855e-12 
Sepal.Width 0.6508372 0.06664739 9.765380 1.199846e-17 
Petal.Width -0.5564827 0.12754795 -4.362929 2.412876e-05 
Petal.Length 0.7091320 0.05671929 12.502483 7.656980e-25

당신은 그러나 당신이 좋아하는 사용할 수 있습니다 ... 등 단지 모델 용어 및 견적, SE들을 참조하십시오. 마지막으로, 식()가 LM()에 대해 호출 무엇을 반환하는 것은

formula(my_lm) 
Sepal.Length ~ Sepal.Width + Petal.Width + Petal.Length

당신이 (예측 사용하지 않으려는 경우

), 대신이 객체를 사용할 수 있습니다.

my_coef<-(coeffients[,1]) 
my_coef 
(Intercept) Sepal.Width Petal.Width Petal.Length 
    1.8559975 0.6508372 -0.5564827 0.7091320

출처

2016-11-10 16:17:54 akaDrHouse

선형 회귀 방정식 R

답변

관련 문제