包括線性迴歸模型，其中R

Question

我想知道是否有一種方法可以包括用於線性迴歸模型等

R = LM（Y〜X1 + X2）誤差項誤差項？

Answer 1

代碼r = lm(y ~ x1+x2)表示我們將y建模爲x1和x2的線性函數。由於該模型不完美，因此會存在剩餘期限（即模型未能適應的剩餘期限）。

在數學，如羅布海德門中的註釋y = a + b1*x1 + b2*x2 + e，其中a，b1和b2是常數，e是您的殘差（其被假定爲正態分佈）指出。

看一個具體的例子，可以考慮隨R.虹膜數據

model1 <- lm(Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width, data=iris) 

現在，我們可以提取模型中的常數（相當於a，b1，b2在這種情況下b3太）。

> coefficients(model1) 
(Intercept) Sepal.Width Petal.Length Petal.Width 
1.8559975 0.6508372 0.7091320 -0.5564827 

已經爲模型中使用的每一行數據計算了殘差。

> residuals(model1) 
      1    2    3    4    5  
0.0845842387 0.2100028184 -0.0492514176 -0.2259940935 -0.0804994772 
# etc. There are 150 residuals and 150 rows in the iris dataset. 

---

（編輯：剪切彙總信息不相應和。）

---

編輯：

的Error價值，你在你的意見提在幫助頁面AOV的解釋。

If the formula contains a single ‘Error’ term, this is used to 
specify error strata, and appropriate models are fitted within 
each error stratum. 

比較以下（改編自?aov頁。）

> utils::data(npk, package="MASS") 
> aov(yield ~ N*P*K, npk) 
Call: 
    aov(formula = yield ~ N * P * K, data = npk) 

Terms: 
         N  P  K  N:P  N:K  P:K N:P:K Residuals 
Sum of Squares 189.2817 8.4017 95.2017 21.2817 33.1350 0.4817 37.0017 491.5800 
Deg. of Freedom  1  1  1  1  1  1  1  16 

Residual standard error: 5.542901 
Estimated effects may be unbalanced 

> aov(yield ~ N*P*K + Error(block), npk) 
Call: 
aov(formula = yield ~ N * P * K + Error(block), data = npk) 

Grand Mean: 54.875 

Stratum 1: block 

Terms: 
        N:P:K Residuals 
Sum of Squares 37.00167 306.29333 
Deg. of Freedom   1   4 

Residual standard error: 8.750619 
Estimated effects are balanced 

Stratum 2: Within 

Terms: 
         N   P   K  N:P  N:K  P:K Residuals 
Sum of Squares 189.28167 8.40167 95.20167 21.28167 33.13500 0.48167 185.28667 
Deg. of Freedom   1   1   1   1   1   1  12 

Residual standard error: 3.929447 
1 out of 7 effects not estimable 
Estimated effects may be unbalanced