R语言实战中的例子
fit<-lm(Murder~Population+Illiteracy+Income+Frost,data=states)
警告多于50个(用warnings()来显示第一个到第50个)
> summary(fit)
Call:
lm(formula = Murder ~ Population + Illiteracy + Income + Frost,
data = states)
Residuals:
Min 1Q Median 3Q Max
-4.7960 -1.6495 -0.0811 1.4815 7.6210
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.235e+00 3.866e+00 0.319 0.7510
Population 2.237e-04 9.052e-05 2.471 0.0173 *
Illiteracy 4.143e+00 8.744e-01 4.738 2.19e-05 ***
Income 6.442e-05 6.837e-04 0.094 0.9253
Frost 5.813e-04 1.005e-02 0.058 0.9541
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 2.535 on 45 degrees of freedom
Multiple R-squared: 0.567, Adjusted R-squared: 0.5285
F-statistic: 14.73 on 4 and 45 DF, p-value: 9.133e-08
其中书上写出Frost的系数没有显著不为0(p=0.954),表示控制其他变量不变,Frost与Murder不线性相关。
这代表可以他两之间关系不强,可以剔除么?其中Multiple R-squared: 0.567,这项可不可以近似代表这个模型56.7%的合理度? 剔除掉Frost算出来的Multiple R-squared是0.5669,并没有变好啊,这是为什么呢?


雷达卡



京公网安备 11010802022788号







