【R每日一贴】R获得回归统计量？

测试开头

摘要

依据创建好的回归统计模型，获取回归统计量相关信息。

【R语言】致力于传播R知识，包括【R每日一帖】、【R书籍推荐】、【R案例分享】。后续会推出【R那些事】、【R微课程】等栏目。在这大数据时代里，从数据中找出价值，既是机遇又是挑战。R语言可以帮助我们获取数据、处理数据、分析数据、展示数据和理解数据，以进行数据化决策！

问题描述：对于回归模型，获得关键统计量和回归方程的相关信息，例如R平方、F统计量、回归系数的置信区间、残差和方差分析表等。

解决方案：两个步骤，第一步，把回归模型m的保存到一个变量中；第二步，调用函数从回归模型中获取回归统计量。与回归模型相关的函数，汇总如下。

anova(m) # 给出方差分析表

coefficients(m)或者coef(m) # 给出回归模型系数

confit(m) # 给出回归系数的置信区间

deviance(m) #给出残差平方和

effects(m) #给出正交影响向量

fitted(m) #给出拟合y值的向量

residuals(m)或者resid(m) #给出模型残差

summary(m)#给出重要统计量，例如R平方、F统计量和残差标准误差

vcov(m)#主要参数的方差—协方差矩阵

举例说明：

> df1 <- mtcars[, c("mpg", "hp", "wt")]

> head(df1)

                   mpg  hp    wt

Mazda RX4         21.0 110 2.620

Mazda RX4 Wag     21.0 110 2.875

Datsun 710        22.8  93 2.320

Hornet 4 Drive    21.4 110 3.215

Hornet Sportabout 18.7 175 3.440

Valiant           18.1 105 3.460

> m <- lm(mpg ~ hp + wt, data=mtcars)

> summary(m)

Call:

lm(formula = mpg ~ hp + wt, data = mtcars)

Residuals:

   Min     1Q Median     3Q    Max

-3.941 -1.600 -0.182  1.050  5.854

Coefficients:

            Estimate Std. Error t value Pr(>|t|)

(Intercept) 37.22727    1.59879  23.285  < 2e-16 ***

hp          -0.03177    0.00903  -3.519  0.00145 **

wt          -3.87783    0.63273  -6.129 1.12e-06 ***

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 2.593 on 29 degrees of freedom

Multiple R-squared:  0.8268,   Adjusted R-squared:  0.8148

F-statistic: 69.21 on 2 and 29 DF,  p-value: 9.109e-12

> coef(m)

(Intercept)          hp          wt

37.22727012 -0.03177295 -3.87783074

> confint(m)

                  2.5 %      97.5 %

(Intercept) 33.95738245 40.49715778

hp          -0.05024078 -0.01330512

wt          -5.17191604 -2.58374544

> resid(m)

          Mazda RX4       Mazda RX4 Wag          Datsun 710      Hornet 4 Drive   Hornet Sportabout

        -2.57232940         -1.58348256         -2.47581872          0.13497989          0.37273336

            Valiant          Duster 360           Merc 240D            Merc 230            Merc 280

        -2.37381631         -1.29904236          1.51293266          0.80632669         -0.77945988

          Merc 280C          Merc 450SE          Merc 450SL         Merc 450SLC  Cadillac Fleetwood

        -2.17945988          0.67463146          0.25616901         -1.64993945          0.04479541

Lincoln Continental   Chrysler Imperial            Fiat 128         Honda Civic      Toyota Corolla

         1.03726743          5.50751301          5.80097202          1.08761978          5.85379085

      Toyota Corona    Dodge Challenger         AMC Javelin          Camaro Z28    Pontiac Firebird

        -3.08644148         -3.31136386         -3.94097947         -1.25202805          2.44325481

          Fiat X1-9       Porsche 914-2        Lotus Europa      Ford Pantera L        Ferrari Dino

        -0.32665313         -0.03737415          2.63023081         -0.74648866         -1.22541324

      Maserati Bora          Volvo 142E

         2.26052287         -1.58364943

> deviance(m)

[1] 195.0478

> anova(m)

Analysis of Variance Table

Response: mpg

          Df Sum Sq Mean Sq F value    Pr(>F)

hp         1 678.37  678.37 100.862 5.987e-11 ***

wt         1 252.63  252.63  37.561 1.120e-06 ***

Residuals 29 195.05    6.73

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1