建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
我們使用回歸分析創(chuàng)建模型，描述變量在預(yù)測(cè)變量對(duì)響應(yīng)變量的影響。 有時(shí)，如果我們有一個(gè)類(lèi)別變量，如Yes / No或Male / Female等。簡(jiǎn)單的回歸分析為分類(lèi)變量的每個(gè)值提供多個(gè)結(jié)果。 在這種情況下，我們可以通過(guò)將分類(lèi)變量與預(yù)測(cè)變量一起使用并比較分類(lèi)變量的每個(gè)級(jí)別的回歸線來(lái)研究分類(lèi)變量的效果。 這樣的分析被稱(chēng)為協(xié)方差分析，也稱(chēng)為ANCOVA。
十多年的印江網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對(duì)設(shè)計(jì)、前端、開(kāi)發(fā)、售后、文案、推廣等六對(duì)一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。全網(wǎng)營(yíng)銷(xiāo)推廣的優(yōu)勢(shì)是能夠根據(jù)用戶(hù)設(shè)備顯示端的尺寸不同，自動(dòng)調(diào)整印江建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無(wú)論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計(jì)，從而大程度地提升瀏覽體驗(yàn)。成都創(chuàng)新互聯(lián)公司從事“印江網(wǎng)站設(shè)計(jì)”,“印江網(wǎng)站推廣”以來(lái)，每個(gè)客戶(hù)項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。
例
考慮在數(shù)據(jù)集mtcars中內(nèi)置的r語(yǔ)言。 在其中我們觀察到字段“am”表示傳輸?shù)念?lèi)型（自動(dòng)或手動(dòng)）。 它是值為0和1的分類(lèi)變量。汽車(chē)的每加侖英里數(shù)（mpg）也可以取決于馬力（“hp”）的值。
我們研究“am”的值對(duì)“mpg”和“hp”之間回歸的影響。 它是通過(guò)使用aov()函數(shù)，然后使用anova()函數(shù)來(lái)比較多個(gè)回歸來(lái)完成的。
輸入數(shù)據(jù)
從數(shù)據(jù)集mtcars創(chuàng)建一個(gè)包含字段“mpg”，“hp”和“am”的數(shù)據(jù)框。 這里我們?nèi) 癿pg”作為響應(yīng)變量，“hp”作為預(yù)測(cè)變量，“am”作為分類(lèi)變量。
input <- mtcars[,c("am","mpg","hp")]
print(head(input))
當(dāng)我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果 -
am mpg hp Mazda RX4 1 21.0 110 Mazda RX4 Wag 1 21.0 110 Datsun 710 1 22.8 93 Hornet 4 Drive 0 21.4 110 Hornet Sportabout 0 18.7 175 Valiant 0 18.1 105
協(xié)方差分析
我們創(chuàng)建一個(gè)回歸模型，以“hp”作為預(yù)測(cè)變量，“mpg”作為響應(yīng)變量，考慮“am”和“hp”之間的相互作用。
模型與分類(lèi)變量和預(yù)測(cè)變量之間的相互作用
# Get the dataset. input <- mtcars # Create the regression model. result <- aov(mpg~hp*am,data = input) print(summary(result))
當(dāng)我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果 -
Df Sum Sq Mean Sq F value Pr(>F) hp 1 678.4 678.4 77.391 1.50e-09 *** am 1 202.2 202.2 23.072 4.75e-05 *** hp:am 1 0.0 0.0 0.001 0.981 Residuals 28 245.4 8.8 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
這個(gè)結(jié)果表明，馬力和傳輸類(lèi)型對(duì)每加侖的英里有顯著的影響，因?yàn)閮煞N情況下的p值都小于0.05。 但是這兩個(gè)變量之間的相互作用不顯著，因?yàn)閜值大于0.05。
沒(méi)有分類(lèi)變量和預(yù)測(cè)變量之間相互作用的模型
# Get the dataset. input <- mtcars # Create the regression model. result <- aov(mpg~hp+am,data = input) print(summary(result))
當(dāng)我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果 -
Df Sum Sq Mean Sq F value Pr(>F) hp 1 678.4 678.4 80.15 7.63e-10 *** am 1 202.2 202.2 23.89 3.46e-05 *** Residuals 29 245.4 8.5 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
這個(gè)結(jié)果表明，馬力和傳輸類(lèi)型對(duì)每加侖的英里有顯著的影響，因?yàn)閮煞N情況下的p值都小于0.05。
比較兩個(gè)模型
現(xiàn)在我們可以比較兩個(gè)模型來(lái)得出結(jié)論，變量的相互作用是否真正重要。 為此，我們使用anova()函數(shù)。
# Get the dataset. input <- mtcars # Create the regression models. result1 <- aov(mpg~hp*am,data = input) result2 <- aov(mpg~hp+am,data = input) # Compare the two models. print(anova(result1,result2))
當(dāng)我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果 -
Model 1: mpg ~ hp * am Model 2: mpg ~ hp + am Res.Df RSS Df Sum of Sq F Pr(>F) 1 28 245.43 2 29 245.44 -1 -0.0052515 6e-04 0.9806
由于p值大于0.05，我們得出結(jié)論，馬力和傳播類(lèi)型之間的相互作用不顯著。 因此，在汽車(chē)和手動(dòng)變速器模式下，每加侖的里程將以類(lèi)似的方式取決于汽車(chē)的馬力。
新聞名稱(chēng)：創(chuàng)新互聯(lián)R語(yǔ)言教程：R語(yǔ)言協(xié)方差分析
標(biāo)題路徑：http://www.dlmjj.cn/article/dhodddh.html
