Πίνακας περιεχομένων:
- Πώς να οικοδομήσουμε ένα γραμμικό μοντέλο
- Αντί να κάνετε καταδύσεις στο ίδιο αντικείμενο του μοντέλου και να βρείτε τις πληροφορίες κάπου στο αντικείμενο της λίστας, μπορείτε να χρησιμοποιήσετε ορισμένες λειτουργίες που σας βοηθούν να λάβετε τις απαραίτητες πληροφορίες από το μοντέλο. Για παράδειγμα, μπορείτε να εξαγάγετε ένα όνομα φορέα με τους συντελεστές από το μοντέλο χρησιμοποιώντας τη συνάρτηση coef (), όπως αυτή: >> coef. Μοντέλο coef. Μοντέλο (διασταύρωση) wt 37. 285126 -5. 344472
Βίντεο: Nonlinear Dynamics: Introduction to Nonlinear Dynamics 2025
Μια ανάλυση διακύμανσης των δεδομένων σας μπορεί επίσης να γραφτεί ως γραμμικό μοντέλο στο R, όπου χρησιμοποιείτε έναν παράγοντα ως μεταβλητή πρόβλεψης για να μοντελοποιήσετε μια μεταβλητή απόκρισης.
Φυσικά, οι μεταβλητές πρόβλεψης μπορούν επίσης να είναι συνεχείς μεταβλητές. Για παράδειγμα, το βάρος ενός αυτοκινήτου έχει προφανώς επίδραση στις χιλιόμετρα. Αλλά θα ήταν ωραίο να έχουμε μια ιδέα για το μέγεθος αυτής της επιρροής. Ουσιαστικά, θέλετε να βρείτε την εξίσωση που αντιπροσωπεύει τη γραμμή τάσεων. Μπορείτε να βρείτε τα δεδομένα που χρειάζεστε για τον έλεγχο αυτό στο σύνολο δεδομένων mtcars.
Πώς να οικοδομήσουμε ένα γραμμικό μοντέλο
Η λειτουργία lm () σάς επιτρέπει να ορίσετε οτιδήποτε από το πιο απλό γραμμικό μοντέλο σε πολύπλοκα μοντέλα αλληλεπίδρασης.
Για να μοντελοποιήσετε το χιλιόμετρο σε συνάρτηση με το βάρος ενός αυτοκινήτου, χρησιμοποιείτε τη λειτουργία lm (), όπως παρακάτω:
Μοντέλο <- lm (mpg ~ wt, data = mtcars) επιχειρήματα:
-
Εδώ, μοντελοποιήσατε τη μεταβλητή mpg ως συνάρτηση της μεταβλητής wt. Ένα πλαίσιο δεδομένων που περιέχει τις μεταβλητές στον τύπο:
-
Εδώ, χρησιμοποιείτε τα mtcars πλαισίου δεδομένων. Μπορείτε να ορίσετε πολλά πολύπλοκα μοντέλα με τη διασύνδεση τύπου όταν γνωρίζετε το δρόμο σας.
Το προκύπτον αντικείμενο είναι μια λίστα με πολύ περίπλοκη δομή, αλλά στις περισσότερες περιπτώσεις δεν χρειάζεται να ανησυχείτε για αυτό. Το αντικείμενο μοντέλου περιέχει πολλές πληροφορίες που χρειάζονται για τους υπολογισμούς των διαγνωστικών και των νέων προβλέψεων.
Αντί να κάνετε καταδύσεις στο ίδιο αντικείμενο του μοντέλου και να βρείτε τις πληροφορίες κάπου στο αντικείμενο της λίστας, μπορείτε να χρησιμοποιήσετε ορισμένες λειτουργίες που σας βοηθούν να λάβετε τις απαραίτητες πληροφορίες από το μοντέλο. Για παράδειγμα, μπορείτε να εξαγάγετε ένα όνομα φορέα με τους συντελεστές από το μοντέλο χρησιμοποιώντας τη συνάρτηση coef (), όπως αυτή: >> coef. Μοντέλο coef. Μοντέλο (διασταύρωση) wt 37. 285126 -5. 344472
Αυτοί οι συντελεστές αντιπροσωπεύουν την διασταύρωση και την κλίση της γραμμής τάσης. Μπορείτε να το χρησιμοποιήσετε για να σχεδιάσετε τη γραμμή τάσεων σε ένα scatterplot των δεδομένων. Κάνετε αυτό σε δύο βήματα:
Σχεδιάζετε το scatterplot με τα δεδομένα.
Χρησιμοποιείτε τη συνάρτηση plot () για αυτό.
-
Χρησιμοποιείτε τη συνάρτηση abline () για να σχεδιάσετε τη γραμμή τάσεων με βάση τους συντελεστές.
Ο ακόλουθος κώδικας σάς δίνει το γράφημα: >> γραφική παράσταση (mpg ~ wt, data = mtcars)> abline (a = συντελεστής μοντέλου [1], b = coef. Το abline () το όρισμα a αντιπροσωπεύει την διασταύρωση και το b αντιπροσωπεύει την κλίση της γραμμής τάσης που θέλετε να σχεδιάσετε. Σχεδιάζετε μια κατακόρυφη γραμμή τοποθετώντας το όρισμα v στο σημείο τομής με την τιμή
-
x
-axis.Οι οριζόντιες γραμμές σχεδιάζονται με τον καθορισμό του όρου v στο σημείο τομής με την τιμή
y
-axis. Παρακάτω παρουσιάζεται μια σύνοψη των λειτουργιών για την εξαγωγή πληροφοριών από το ίδιο το μοντέλο του αντικειμένου. Αυτές οι λειτουργίες λειτουργούν με διαφορετικά αντικείμενα μοντέλου, συμπεριλαμβανομένων αυτών που κατασκευάζονται από aov () και lm (). Πολλοί συγγραφείς πακέτων παρέχουν επίσης τις ίδιες λειτουργίες για τα μοντέλα που κατασκευάζονται από τις λειτουργίες του πακέτου τους. Έτσι, μπορείτε πάντα να προσπαθήσετε να χρησιμοποιήσετε αυτές τις λειτουργίες εξαγωγής σε συνδυασμό με άλλες λειτουργίες μοντέλου επίσης. Λειτουργία Coffe
επιστρέφει ένα διάνυσμα με τους συντελεστές από το μοντέλο
confint ()
Επιστρέφει έναν πίνακα με το άνω και κάτω όριο του < > | Επιστρέφει ένα διάνυσμα με τις προσαρμοσμένες τιμές για κάθε παρατήρηση |
---|---|
υπολείμματα () | |
Επιστρέφει ένα διάνυσμα με τα υπολείμματα για κάθε παρατήρηση < vcov () | Επιστρέφει τον πίνακα μεταβλητότητας-συνδιακύμανσης για τον συντελεστή
|