R

당연히 R은 다양한 테스트 세트를 제공하며 모델이 데이터에 얼마나 잘 맞는 지 평가하고 모델 가정을 조사하는 방법. 여기에 제시된 개요는 아직까지 완벽하지는 않지만 가능한 문제에 대한 아이디어와이 문제를보다 자세히 살펴볼 수있는 출발점을 제공합니다.

모델을 요약하는 방법

summary () 함수는 aov ()로 생성 된 모델에 대한 F 테스트를 즉시 반환합니다. lm () 모델의 경우 이것은 약간 다릅니다. 출력을 살펴보십시오.

>> 모델. 요약 모델. 요약 전화: lm (수식 = mpg ~ wt, 데이터 = mtcars) 잔차: 최소 1Q 중앙값 3Q 최대 -4. 5432 -2. 3647 -0. 1252 1. 4096 6. 8727 계수: Std. 오차 t 값 Pr (> | t |) (절편) 37. 2851 1. 8776 19. 858 <2e-16 *** wt -5. 3445 0. 5591 -9. 559 1. 29e-10 *** --- Signif. 코드: 0 '***'0.001 '**'01 '*'05 '. '0. 1'1 잔류 표준 오차: 3. 046 30 자유도 다중 R 제곱: 0. 7528, 조정 R 제곱: 0. 7446 F- 통계: 91. 38 on 1 및 30 DF, p- 값: 1. 294e-10

유용한 정보가 많이 있습니다. 다음은 다음과 같습니다:

잔차의 분포는 첫 번째 아이디어를 제공합니다 선형 모델의 가정이 얼마나 잘 유지되는지에 대해 모든 계수가 0에서 얼마나 멀리 떨어져 있는지를 알려주는 t- 검정을 동반 한 계수

• 적합도 측정 R

• 2 > 및 조정 된 R

• 2 ^{모델에서 데이터의 중요한 부분을 설명하는지 여부를 알려주는 F- 테스트}

  ^{>> coef (Model. summary) Estef Std Error ()를 추정 할 수있는 coef () 함수를 사용하여 추정치, 표준 오차 및 계수에 대한 t- 값 및 p- 값을 갖는 행렬을 추출 할 수 있습니다. t 값 Pr (> | t |) (절편) 37. 285126 1. 877627 19. 857575 8. 241799e-19 중량 -5. 344472 0. 559101 -9. 559044 1. 293959e-10}

• 이 용어가 아무 것도 알려주지 않으면 모델링에 관한 좋은 자료를 찾아보십시오. 선형 모델의 적용과 해석에 대한 광범위한 소개는 Michael Kutner et al (McGraw-Hill / Irwin)의

  응용 선형 모델,

5 판을 참조하십시오.

모델 용어의 영향을 테스트하는 방법 summary () 함수가 ANOVA 모델을 만드는 것처럼 분산 테이블의 분석을 얻으려면 anova () 함수를 사용하고 lm () 모델을 전달하기 만하면됩니다 다음과 같이 인수로 개체를 만듭니다. >> Model. anova 모델. 분석의 분산 분석 표 응답: mpg Df 합계 Sq 평균 Sq F 값 Pr (> F) wt 1 847.73 847. 73 91. 375 1. 294e-10 *** 잔재물 30 278. 32 9. 28 --- 표지판. 코드: 0 '***'0.001 '**'01 '*'05 '. '0 1 1 1 999 여기에서 결과 개체는 하위 집합 및 인덱싱 도구를 사용하여 해당 테이블에서 값을 추출 할 수있는 데이터 프레임입니다. 예를 들어 p- 값을 얻으려면 다음을 수행 할 수 있습니다: 999 >> Model. anova ['wt', 'Pr (> F)'] [1] 1. 293959e-10

모델에 변수 wt를 더하는 확률로 해석 할 수있다. 차이가 있습니다. 여기서 p 값이 낮다는 것은 자동차 무게 (wt)가 자동차 간의 주행 거리 차이 (mpg)의 상당 부분을 설명한다는 것을 의미합니다. 놀랄 일이 아니어야하며, 실제로는 자체 무게를 끌기 위해 더 많은 힘이 필요합니다. anova () 함수를 사용하여 여러 모델을 비교할 수 있으며 많은 모델링 패키지가 해당 기능을 제공합니다. 관련 도움말 페이지의 대부분에서 예제를 찾을 수 있습니다 ? anova. lm과? anova. glm.