本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

线性回归模型分析一般步骤小结_r语言

r语言 cdadata 2239℃

线性回归模型分析一般步骤小结_r语言

回归的一般步骤:
(1)初次回归
fit = lm(Murder~Population+Illiteracy+Income+Frost,data=states)
summary(fit)

(2)逐步回归
step(fit) 逐步回归
查共线

(3)重新拟合
fit = lm(Murder~Population+Illiteracy,data=states)

(4)残差分析
r_fit = residuals(fit)
rs_fit = rstandard(fit)
fit_=fitted(fit)

(4.1)残差直方图与正态曲线差异

hist(r_fit,freq=F, ylim=c(0.00,0.20))

x=seq(-8,8,by=.5)

lines(x,dnorm(x,mean(r_fit),sd(r_fit)))

(4.2)模型是否合理,同方差,离群点
par(mfrow=c(2,2))
plot(fit)

(5)预测
pre = data.frame(Population=c(2110,2541,2348,2999),Illiteracy=c(1.9,0.7,3.3,0.2))
predict(fit,pre,interval=”prediction”,level=0.95)

其中states是R自带的数据,请大家拍砖提出修改意见,谢谢,形成一个处理该类问题的一个一般化的步骤方法。


还有误差项序列相关和遗漏变量检验,结构突变检验也可以做一下。
step()是用AIC和SBC做的,所以用F检验考察一下一些系数是否同时为0。

转载请注明:数据分析 » 线性回归模型分析一般步骤小结_r语言

喜欢 (3)or分享 (0)