R语言多元线性回归
程序员文章站
2022-07-14 19:42:18
...
多元线性回归关键在于自变量筛选。一般采用后退法。
# 工业用电量的全变量回归
lm.fullind <- lm(data[,10] ~ data[,3]+data[,5]+data[,6]+data[,7]+
data[,14]+data[,15])
summary(lm.fullind)
R语言中summary可以打印每个自变量的p值(“Pr(>|t|)”)
Call:
lm(formula = data[, 10] ~ data[, 3] + data[, 5] + data[, 6] +
data[, 7] + data[, 14] + data[, 15])
Residuals:
Min 1Q Median 3Q Max
-63.18 -19.56 5.48 17.19 53.79
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1832.67765 532.30742 3.443 0.001255 **
data[, 3] 0.11092 0.01781 6.227 1.43e-07 ***
data[, 5] -0.12608 0.03110 -4.054 0.000197 ***
data[, 6] -0.17146 0.07263 -2.361 0.022637 *
data[, 7] 0.27577 0.11750 2.347 0.023389 *
data[, 14] 4.11264 0.96517 4.261 0.000103 ***
data[, 15] -15.69347 4.80593 -3.265 0.002094 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 28.97 on 45 degrees of freedom
(22 observations deleted due to missingness)
Multiple R-squared: 0.6968, Adjusted R-squared: 0.6564
F-statistic: 17.24 on 6 and 45 DF, p-value: 3.155e-10
每次剔除p值最大的自变量,直至所有自变量后面都有*号即可。 上一篇: 变量、基本数据类型与运算符
下一篇: R语言线性回归诊断