如何解决R模型变量得分
我在R中建立了一个线性回归模型,并试图得到每个解释变量(自变量)(即x1、x2、x3)的贡献量(不是系数)。问题:
- 我怎样才能获得这样的拟合数据量。这是每个观察值的每个 x (x1,x2,x3) 贡献的数值。
- 如何为新的(看不见的)数据获得相同数量的数据
df = data.frame(y,x1,x3)
mod = lm(y ~ x1 + x2 + x3,data = df)
解决方法
正如@Ali 所建议的,我认为 summary(mod)
确实 可以回答您的问题。让我再多解释一下。由于您没有提供您的数据,我将以内置的虹膜数据为例。
mod = lm(Sepal.Length ~ .,data=iris[,1:4])
summary(mod)$coefficients
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.Length 0.7091320 0.05671929 12.502483 7.656980e-25
Petal.Width -0.5564827 0.12754795 -4.362929 2.412876e-05
注意标有“估计”的列。这些是模型系数。为了明确起见,让我们通过一个示例来说明它们与预测的关系。
iris[1,]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
predict(mod,newdata=iris[1,])
1
5.015416
好的,所以如果我们使用模型预测第一行,我们会得到答案 5.015416。这是如何从系数得出的?
1.8559975 + ## Intercept
0.6508372 * 3.5 + ## Sepal.Width
0.7091320 * 1.4 + ## Petal.Length
-0.5564827 * 0.2 ## Petal.Width
[1] 5.015416
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。