我有5個獨立的變量的數據幀和我想要的線性方程,以在這種形式:如何對R中的'用戶自定義'公式進行線性迴歸?
y = A (a + pA + qB + rC + sD + tE)
其中A
,B
,C
,D
和E
是我的自變量,p
,q
, r
,s
和t
是我需要找到的係數。
我有5個獨立的變量的數據幀和我想要的線性方程,以在這種形式:如何對R中的'用戶自定義'公式進行線性迴歸?
y = A (a + pA + qB + rC + sD + tE)
其中A
,B
,C
,D
和E
是我的自變量,p
,q
, r
,s
和t
是我需要找到的係數。
在R
使用lm()
命令,你可以做到以下幾點:
#Pseudo Data
y = rnorm(100)
A = rnorm(100)
B = rnorm(100)
C = rnorm(100)
D = rnorm(100)
E = rnorm(100)
AB = A*B
AC = A*C
AD = A*D
AE = A*E
model = lm(y~-1+A+AB+AC+AD+AE)
這將產生:
> model
Call:
lm(formula = y ~ -1 + A + AB + AC + AD + AE)
Coefficients:
A AB AC AD AE
0.1896753 -0.0835971 -0.0183475 -0.0007795 -0.0174815
>
> summary(model)
Call:
lm(formula = y ~ -1 + A + AB + AC + AD + AE)
Residuals:
Min 1Q Median 3Q Max
-2.05531 -0.58641 0.08847 0.73281 2.86074
Coefficients:
Estimate Std. Error t value Pr(>|t|)
A 0.1896753 0.1084157 1.750 0.0834 .
AB -0.0835971 0.1088133 -0.768 0.4442
AC -0.0183475 0.1264781 -0.145 0.8850
AD -0.0007795 0.0930502 -0.008 0.9933
AE -0.0174815 0.1140712 -0.153 0.8785
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.957 on 95 degrees of freedom
Multiple R-squared: 0.03374, Adjusted R-squared: -0.01712
F-statistic: 0.6634 on 5 and 95 DF, p-value: 0.6521
這將工作,但用戶應該注意包含沒有主效果的互動條款... – Macro
同意。我只是複製了他們上面列出的模型。如果OP想要主效應,那麼他們也可以執行以下操作:'model = lm(y〜-1 + A + B + C + D + EAB + AC + AD + AE)' – 2013-09-05 17:37:55
對於OP自己的教化,從上面的命令中刪除'-1'也會給他們一個截獲期限,如果他們想要的話。 – 2013-09-05 17:38:50
使用:
命令變量之間的formula
獲得他們乘相互作用沒有主效應。例如:
y = A (a + pA + qB + rC + sD + tE)
我不能告訴,如果你試圖壓制攔截,但我相信這樣,因爲你還沒有把a
在期望estimands的列表。
y ~ 0 + A + A:B + A:C + A:D + A:E
。
我假設你的結果($ y $)受到隨機錯誤的影響,否則這不會是一個統計問題......無論如何,這看起來像普通[線性迴歸](http://en.wikipedia .org/wiki/Linear_regression),其中你沒有攔截,預測變量是$ A,A^2,AB,AC,AD $和$ AE $。你的問題到底是什麼? (p.s.調用$ a $ $ $ $ intercept不太正確......你寫這個的方式,$ a $是$ A $的斜率)。 – Macro
如果$ a $是截距,是否意味着你想要對此進行建模:$$ y = a + A(pA + qB + rC + SD + tE)+ \ varepsilon $$或者@Macro問題是你想要的嗎? – 2013-09-05 16:50:10
對不起。我的意思是@Macro所說的(即'a'是'A'的斜率,預測因子是A,A^2,AB,AC,AD和AE)。我如何去做R呢?我對R編程非常新,而且只使用函數'lm'進行簡單的線性迴歸建模。 – 2013-09-05 17:18:48