主要内容
このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
テーブルを使用した線形回帰
次の例では,テーブルを使用して線形およびステップワイズ回帰解析を行う方法を説明します。
標本データを読み込みます。
负载进口- 85
テーブルに予測子と応答変数を格納します。
台=表(X (:, 7) X (:, 8), X (:, 9), X (:, 15),“VariableNames”，．..｛“curb_weight”，“engine_size”，“生”，“价格”}）;
線形回帰モデルをあてはめます。
車両総重量,エンジンのサイズ,およびボアの観点から,自動車価格を説明する線形回帰モデルをあてはめます。
fitlm(资源描述,“价格~ curb_weight + engine_size +了”）
ans =线性回归模型:price ~ 1 + curb_weight + engine_size + boreEstimate SE tStat pValue __________ _________ _______ __________ (Intercept) 64.095 3.703 17.309 2.0481e-41 curb_weight -0.0086681 0.0011025 -7.8623 2.42e-13 engine_size -0.015806 0.013255 -1.1925 0.23452 bore -2.6998 1.3489 -2.0015 0.046711观测数量:201，误差自由度:197根均方误差:3.95 r平方:0.674，调整R-Squared: 0.669 F-statistic vs. constant model: 136, p-value = 1.14e-47
fitlmの既定の設定では応答変数が表资源描述の最後の列にあると見なされるので,fitlm(台)コマンドでも同じ結果が得られます。
テーブルを作成し直して,解析を繰り返します。
今回は応答変数をテーブルの最初の列に格納します。
台=表(X (:, 15), X (:, 7), X (:, 8), X (:, 9),“VariableNames”，．..｛“价格”，“curb_weight”，“engine_size”，“生”}）;
応答変数が资源描述の最初の列に格納されたら,位置を定義します。たとえば,fitlmの既定の設定では,生が応答変数と見なされます。モデルの応答変数は次のいずれかの方法で定義できます。
fitlm(资源描述,“ResponseVar”，“价格”）;
または
fitlm(资源描述,“ResponseVar”，逻辑([1 0 0 0]));
ステップワイズ回帰を実行します。
stepwiselm(资源描述,“二次”，“低”，“价格~ 1”，．..“ResponseVar”，“价格”）
1.移除孔^2,FStat = 0.01282, pValue = 0.90997移除engine_size^2, FStat = 0.078043, pValue = 0.78027移除curb_weight:bore, FStat = 0.70558, pValue = 0.40195
ans =线性回归模型:price ~ 1 + curb_weight*engine_size + engine_size*bore + curb_weight^2Estimate SE tStat pValue ___________ __________ _______ __________ (Intercept) 131.13 14.273 9.1873 6.2319e-17 curb_weight -0.043315 0.0085114 -5.0891 8.4682e-07 engine_size -0.17102 0.13844 -1.2354 0.21819 bore -12.244 4.999 -2.4493 0.015202 curb_weight:engine_size -6.3411e-05 2.6577e-05 -2.386 0.017996 engine_size:bore 0.092554 0.037263 2.4838观测数:201，误差自由度:194，均方根误差:3.59 R-squared: 0.735，校正R-squared: 0.726 F-statistic vs. constant model: 89.5, p-value = 3.58e-53
初期モデルは2次式で,考慮されている最低のモデルが定数です。ここで,stepwiselmは後退消去法を実行し,モデルの項を決定します。最終的なモデルは价格~ 1 + curb_weight*engine_size + engine_size*bore + curb_weight^2で,次に相当します。
ここで, は価格, は車両総重量, はエンジンのサイズ, はボア, はモデル内で対応する項の係数, は誤差項です。最終的なモデルには主要な3種類の影響,すなわち車両総重量とエンジンのサイズの交互作用の影響,エンジンのサイズとボアの交互作用の影響,車両総重量の2次項が含まれています。
参考
関連するトピック
你也可以从以下列表中选择一个网站:
