web-dev-qa-db-ja.com

Rのlm.fitから予測値、残差、R二乗を返す方法は？

このコードは係数を返します：intercept、slop1、slop2

set.seed(1)
n=10

y=rnorm(n)
x1=rnorm(n)
x2=rnorm(n)

lm.ft=function(y,x1,x2)
  return(lm(y~x1+x2)$coef)

res=list();
for(i in 1:n){
  x1.bar=x1-x1[i]
  x2.bar=x2-x2[i]
  res[[i]]=lm.ft(y,x1.bar,x2.bar)
}

入力した場合：

   > res[[1]]

私は得る：

      (Intercept)          x1          x2 
     -0.44803887  0.06398476 -0.62798646

予測値、残差、R二乗などをどのように返すことができますか？

要約から必要なものを抽出するには、一般的なものが必要ですか？

rregressionlinear-regression
7
sacvf

ここで起こっていることがいくつかあります。

まず、変数をdata.frameに結合することをお勧めします。

_df  <- data.frame(y=rnorm(10), x1=rnorm(10), x2 = rnorm(10))
fit <- lm(y~x1+x2, data=df)
_

これを行うと、新しいデータセットでの予測にモデルを使用する方がはるかに簡単です。

次に、近似の統計の一部はモデル自体からアクセスでき、一部はsummary(fit)からアクセスできます。

_coef  <- coefficients(fit)       # coefficients
resid <- residuals(fit)          # residuals
pred  <- predict(fit)            # fitted values
rsq   <- summary(fit)$r.squared  # R-sq for the fit
se    <- summary(fit)$sigma      # se of the fit
_

係数の統計を取得するには、summaryを使用する必要があります。

_stat.coef  <- summary(fit)$coefficients
coef    <- stat.coef[,1]    # 1st column: coefficients (same as above)
se.coef <- stat.coef[,2]    # 2nd column: se for each coef
t.coef  <- stat.coef[,3]    # 3rd column: t-value for each coef
p.coef  <- stat.coef[,4]    # 4th column: p-value for each coefficient
_
12
jlhoward

関数では、係数のみを返します。モデル全体を返してみてください。

lm.ft=function(y,x1,x2) lm(y~x1+x2) # You don't need the return statement.

次に、コードを試してから、次のコマンドを実行します。

summary(res[[1]])

# Call:
#   lm(formula = y ~ x1 + x2)
# 
# Residuals:
#   Min       1Q   Median       3Q      Max 
# -0.88518 -0.25311  0.03868  0.43110  0.61753 
# 
# Coefficients:
#   Estimate Std. Error t value Pr(>|t|)  
# (Intercept) -0.44804    0.32615  -1.374   0.2119  
# x1           0.06398    0.24048   0.266   0.7979  
# x2          -0.62799    0.26915  -2.333   0.0524 .
# ---
#   Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
# 
# Residual standard error: 0.6149 on 7 degrees of freedom
# Multiple R-squared:  0.5173,  Adjusted R-squared:  0.3794 
# F-statistic: 3.751 on 2 and 7 DF,  p-value: 0.07814
1
nograpes

predictが必要です-

set.seed(1)
n=10

y=rnorm(n)
x1=rnorm(n)
x2=rnorm(n)

lm.ft=function(y,x1,x2)
#   return(lm(y~x1+x2)$coef)
    return(lm(y~x1+x2))

  res=lm.ft(y,x1,x2)
ypredicted <- predict(res)
residuals <- y - ypredicted
1
TheComeOnMan