2017-04-22 65 views
-1

預測我有一個線性模型中的R查找流明對象R

x <- lm(dist ~ poly(speed, degree=2), data = cars) 

,並想找出,

a)在汽車的變量作爲模型的預測。這裏:「速度」

b)如何在模型對象中訪問它們。這裏:4 4 7 7 8 9 10 ...

model.frame包含已轉換的術語,並沒有幫助。 lm對象包含數據,因爲expand.model.frame(x,〜speed)確實有效。但它在哪裏?

任何提示?

+0

你可以用'x'然後輸入'STR開始(X)' – G5W

+0

嗯,嗯,我沒有...但沒有運氣! –

+0

你試過x $ model $ speed嗎? – tagoma

回答

1

爲了得到變量的列表,你可以使用all.vars

all.vars(formula(x)) 
[1] "dist" "speed" 

,僅保留預測:

formula(x)[[3]] 
poly(speed, degree = 2) 
all.vars(formula(x)[[3]]) # Use the third element of the formula 
[1] "speed" 
+0

這非常有希望,謝謝。現在我知道使用的變量。我如何訪問lm對象中的數據,比如汽車[,「速度」]? –

+0

使用'str(x)'查看模型對象的內容。然後,您可以看到數據存儲在「lm」對象內的「模型」插槽中,您可以像這樣檢索它:'x $ model' – Gilles

+0

nope,情況並非如此... –

0

x$coefficients會給你的結果每個變量的預測影響

我在這裏做了類似的模型:

x<-lm(cyl~ mpg, mtcars) 
(Intercept)   mpg 
11.260683 -0.252515 

如果你額外添加你會附加係數:

x<-lm(cyl~ disp + mpg, mtcars) 
x$coefficients 
(Intercept)   disp   mpg 
5.917863266 0.009197743 -0.092206375 

而且你可以通過使用summary

Residuals: 
    Min  1Q Median  3Q  Max 
-1.3002 -0.6138 0.1776 0.5486 1.1406 

Coefficients: 
      Estimate Std. Error t value Pr(>|t|)  
(Intercept) 5.917863 1.255293 4.714 5.61e-05 *** 
disp   0.009198 0.002011 4.574 8.27e-05 *** 
mpg   -0.092206 0.041352 -2.230 0.0337 * 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.7364 on 29 degrees of freedom 
Multiple R-squared: 0.8409, Adjusted R-squared: 0.83 
F-statistic: 76.66 on 2 and 29 DF, p-value: 2.647e-12 

模型數據集(只是第幾這裏)得到整個內幕:

head(x$model) 
        cyl disp mpg 
Mazda RX4   6 160 21.0 
Mazda RX4 Wag  6 160 21.0 
Datsun 710   4 108 22.8 
Hornet 4 Drive  6 258 21.4 
Hornet Sportabout 8 360 18.7 
Valiant    6 225 18.1 

並且您可以訪問具有典型對象cla的模型部分SS查詢:

x$model$cyl 
[1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4 

和每個觀察預測結果基於模型(只是前幾個):

head(x$fitted.values) 
     Mazda RX4  Mazda RX4 Wag  Datsun 710 Hornet 4 Drive Hornet Sportabout   Valiant 
     5.453168   5.453168   4.808914   6.317664   7.504791   6.318420 
+0

感謝您的回答,但這不是我一直在尋找的。我有模型公式中的某種轉換的預測因素,並想知道哪些是需要的。 –

+0

對不起。我有時很難理解人們究竟在問什麼。我不會像大多數程序員那樣使用語言...... – sconfluentus

+0

:-)沒問題! –