求助：用R做回归分析

2011-08-22 19:47:14 来自: 笑傲蜗牛

用R的lm()函数对数据进行了分析，summary（）后的模型参数会出现很多：

Call:
lm(formula = col1 ~ age + I(age^2) + I(age^3) + I(age^4))

Residuals:
Min 1Q Median 3Q Max
-0.39664 -0.21942 -0.07608 0.18049 0.78404

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.013e+00 1.243e-01 24.238 3.41e-15 ***
age -2.046e-04 8.171e-05 -2.504 0.0221 *
I(age^2) 1.374e-08 1.113e-08 1.235 0.2328
I(age^3) -2.892e-13 5.007e-13 -0.578 0.5707
I(age^4) 1.340e-18 7.094e-18 0.189 0.8523
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.3166 on 18 degrees of freedom
Multiple R-squared: 0.5624, Adjusted R-squared: 0.4652
F-statistic: 5.783 on 4 and 18 DF, p-value: 0.003567
我只想要Adjusted R-squared这一项该怎么做？
查了提取模型参数的通用函数，但是好像没有这一个。

2011-08-22 21:29:58 大刀 (持续努力，不断进步)

summary(lm(y~x))$r.squared

回应删除举报广告
2011-08-28 13:37:02 夜空的彼方

可以试着探索一下summary(lm(y~x))到底是什么。

首先看一下summary(lm(y~x))是什么数据类型：
> m <- lm(y~x)
> class(summary(m))
[1] "summary.lm"

#可以看到，lm的结果是一个"summary.lm" 对象。这有些显而易见。好吧，继续探索。

R语言中所有的对象都建立在一些native data structures之上，那么summary(lm(y~x)的native data structure是什么呢？可以用mode()命令查看。

第二步：
> mode(summary(m))
[1] "list"

OK，原来summary(lm(y~x))本质上是一个list。这下好办了。你可以用names()命令来看看这个list中所有元素的名字。

> names(summary(m))
[1] "call" "terms" "residuals" "coefficients" "aliased" "sigma"
[7] "df" "adj.r.squared" "r.squared" "cov.unscaled"

现在你可以用summary(m)$...命令来提取任何你想要的结果了。

回应删除举报广告
2011-08-28 13:39:58 夜空的彼方

一个更简单有效的查看数据结构的办法是，使用str()命令。

> str(summary(m))
List of 10
$ call : language lm(formula = 1 ~ 1)
$ terms :Classes 'terms', 'formula' length 3 1 ~ 1
.. ..- attr(*, "variables")= language list(1)
.. ..- attr(*, "factors")= int(0)
.. ..- attr(*, "term.labels")= chr(0)
.. ..- attr(*, "order")= int(0)
.. ..- attr(*, "intercept")= int 1
.. ..- attr(*, "response")= int 1
.. ..- attr(*, ".Environment")=<environment: R_GlobalEnv>
.. ..- attr(*, "predvars")= language list(1)
.. ..- attr(*, "dataClasses")= Named chr "numeric"
.. .. ..- attr(*, "names")= chr "1"
$ residuals : Named num 0
..- attr(*, "names")= chr "1"
$ coefficients : num [1, 1:4] 1 NaN NaN NaN
..- attr(*, "dimnames")=List of 2
.. ..$ : chr "(Intercept)"
.. ..$ : chr [1:4] "Estimate" "Std. Error" "t value" "Pr(>|t|)"
$ aliased : Named logi FALSE
..- attr(*, "names")= chr "(Intercept)"
$ sigma : num NaN
$ df : int [1:3] 1 0 1
$ adj.r.squared: num 0
$ r.squared : num 0
$ cov.unscaled : num [1, 1] 1
..- attr(*, "dimnames")=List of 2
.. ..$ : chr "(Intercept)"
.. ..$ : chr "(Intercept)"
- attr(*, "class")= chr "summary.lm"

回应删除举报广告
2011-08-28 13:40:37 夜空的彼方

一般来说，结合class, mode和str三个命令，可以非常有效对数据结构进行探索。

回应删除举报广告
2012-01-31 23:47:25 孑潜 (不以物喜，不以己悲。)

一般来说，结合class, mode和str三个命令，可以非常有效对数据结构进行探索。一般来说，结合class, mode和str三个命令，可以非常有效对数据结构进行探索。夜空的彼方

讲解的太好了。哈哈

回应删除举报广告
2012-05-17 10:46:36 炫

很神，很强大！

回应删除举报广告
2012-05-17 12:06:51 妖妖三拐 (cfso-1137)

学习了

回应删除举报广告