r做多元线性回归全策略_光环大数据 python培训机构.pdfVIP

光环大数据--大数据培训人工智能培训 R 做多元线性回归全攻略_光环大数据 Python 培训机构 R 中的线性回归函数比较简单，就是 lm()，比较复杂的是对线性模型的诊断 和调整。这里结合 Statistical Learning 和杜克大学的 Data Analysis and Statistical Inference 的章节以及《R语言实战》的OLS(Ordinary Least Square) 回归模型章节来总结一下，诊断多元线性回归模型的操作分析步骤。 1、选择预测变量 因变量比较容易确定，多元回归模型中难在自变量的选择。自变量选择主要 可分为向前选择（逐次加使 RSS 最小的自变量），向后选择（逐次扔掉 p 值最大 的变量）。个人倾向于向后选择法，一来p 值比较直观，模型返回结果直接给出 了各变量的p 值，却没有直接给出 RSS；二来当自变量比较多时，一个个加比较 麻烦。 Call:lm(formula = Sales ~ . + Income:Advertising + Age:Price, data = Carseats)Residuals:Min 1Q Median 3Q Max-2.9208 -0.7503 0.0177 0.6754 3.3413Coefficients:Estimate Std. Error t value Pr(|t|)(Intercept) 6.5755654 1.0087470 6.519 2.22e-10 ***CompPrice 0.0929371 0.0041183 22.567 2e-16 ***Income 0.0108940 0.0026044 4.183 3.57e-05 ***Advertising 0.0702462 0.0226091 3.107 0.002030 **Population 0.0001592 0.0003679 0.433 0.665330Price -0.1008064 0.0074399 -13.549 2e-16 ***ShelveLocGood 4.8486762 0.1528378 31.724 2e-16 ***ShelveLocMedium 1.9532620 0.1257682 15.531 2e-16 ***Age -0.0579466 0.0159506 -3.633 0.000318 ***Education -0.0208525 0.0196131 -1.063 0.288361UrbanYes 0.1401597 0.1124019 1.247 0.213171USYes -0.1575571 0.1489234 -1.058 0.290729Income:Advertising 0.0007510 0.0002784 2.698 0.007290 **Price:Age 0.0001068 0.0001333 0.801 0.423812Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 1.011 on 386 degrees of freedomMultiple R-squared: 0.8761, Adjusted R-squared: 光环大数据 光环大数据--大数据培训人工智能培训 0.8719F-statistic: 210 on 13 and 386 DF, p-value: 2.2e-16 构建一个回归模型后，先看 F 统计量的 p 值，这是对整个模型的假设检验， 原假设是各系数都为 0，如果连这个 p 值都不显著，无法证明至少有一个自变量 对因