lm()多元回归分析结果解读

lm()多元回归分析结果解读
今天被我发现线性回归之后的众多系数都可以秒秒钟提取的呀,summary.lm让科研更方便,一定要记下来。

**************************************************************************************************************

现在有一批气象站点的数据,某研究想看一下站点的温度与高程和经纬度的关系,其实重点是温度随高程的变化(学界称之为气温直减率),具体的应用需求是建立温度与高程、经纬度的线性模型,并计算模型的F统计量和对应的p值。

数据存在一个叫myData的data.frame中,数据前几列长下面这样:

     ID        X        Y   Ele     Temp
1 50353 126.6333 51.73333 173.9 0.055024
2 50468 127.4500 50.25000 166.4 1.619074
3 50564 127.3500 49.43333 234.5 1.468917
4 50674 129.4333 48.56667 404.5 0.954324
5 50774 128.8333 47.70000 264.8 2.621272
6 50778 132.5333 47.66667  57.5 4.410369
需要求Temp与Ele、X、Y的线性关系:

myModel = lm(Temp ~ Ele + X + Y, data = myData)
summary(myModel)
 
Call:
lm(formula = Temp ~ Ele + X + Y, data = myData)
Residuals:
     Min       1Q   Median       3Q      Max 
-1.00352 -0.32245 -0.01634  0.39690  1.27065 
Coefficients:
             Estimate Std. Error t value Pr(>|t|)
(Intercept) 27.8974176  5.0653852   5.507 3.76e-06
Ele         -0.0053912  0.0005171 -10.425 3.97e-12
X            0.1243715  0.0423171   2.939  0.00588
Y           -0.8286338  0.0377717 -21.938  < 2e-16
               
(Intercept) ***
Ele         ***
X           ** 
Y           ***
---
Signif. codes:  
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.5099 on 34 degrees of freedom
Multiple R-squared:  0.9383,    Adjusted R-squared:  0.9328 
F-statistic: 172.3 on 3 and 34 DF,  p-value: < 2.2e-16
mySummary = summary(myModel)

mySummary[1]或mySummary$call:模型公式
mySummary[3]或mySummary$residuals:模型预测的残差
mySummary[4]或mySummary$coefficient:模型截距,每个变量系数、计算误差、t-value、pr(>t),放在一个list中,可按需提取
mySummary[6]或mySummary$sigma:residual standard error
mySummary[7]或mySummary$df:自由度
mySummary[8]或mySummary$r.squared:R squared
mySummary[9]或mySummary$adj.r.squared: adjust R squared
mySummary[10]或mySummary$fstatistic:F统计量&一个分子和一个分母值,同样放在list里,可以按需提取
mySummary[11]或mySummarycov.unscaled:变量的相关系数矩阵
mySummary[11]......:NA
这个时候你会发现最后那个p-value不见了,它是根据mySummary$fstatistic里面的几个值求出来的

f = mySummary$fstatistic
p_value = pf(as.numeric(f[1]), as.numeric(f[2]), as.numeric(f[3]), lower.tail = FALSE)

*****************************************************************************************************************

继续气温直减率的问题

lapse_rates  = coef(myModel)[2]
f = summary(myModel)$fstatistic
f_statistic = f[1]
p_value = pf(as.numeric(f[1]), as.numeric(f[2]), as.numeric(f[3]), lower.tail = FALSE)
result = c(lapse_rates,f_statistic, p_value)
names(result) = c("lapse_rates","F-statistic","p-value")
print(result)
 
lapse_rates   F-statistic       p-value 
-5.391219e-03  1.723034e+02  1.261248e-20 
 
有些地方不知道自己写了些啥,他日等我略有长进再来改(2016-8-31 13:05)
  • 发表于 2021-03-25 11:56
  • 阅读 ( 3071 )
  • 分类:其他

你可能感兴趣的文章

相关问题

0 条评论

请先 登录 后评论
omicsgene
omicsgene

生物信息

665 篇文章

作家榜 »

  1. omicsgene 665 文章
  2. 安生水 333 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. xun 69 文章
  8. rzx 68 文章