1、导入数据
我们采用iris数据，这次多元回归的自变量设定为Petal.Length，Petal.Width和Sepal.Width共3个变量，因变量设定为Sepal.Length。
data(iris)
mlr <- lm(Sepal.Length~Petal.Length+Petal.Width+Sepal.Width,data = iris)
summary(mlr)计算结果如下：
#Call:
#lm(formula = Sepal.Length ~ Petal.Length + Petal.Width + Sepal.Width,
# data = iris)
#Residuals:
# Min 1Q Median 3Q Max
#-0.82816 -0.21989 0.01875 0.19709 0.84570
#Coefficients:
# Estimate Std. Error t value Pr(>|t|)
#(Intercept) 1.85600 0.25078 7.401 9.85e-12 ***
#Petal.Length 0.70913 0.05672 12.502 < 2e-16 ***
#Petal.Width -0.55648 0.12755 -4.363 2.41e-05 ***
#Sepal.Width 0.65084 0.06665 9.765 < 2e-16 ***
#---
#Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#Residual standard error: 0.3145 on 146 degrees of freedom
#Multiple R-squared: 0.8586, Adjusted R-squared: 0.8557
#F-statistic: 295.5 on 3 and 146 DF, p-value: < 2.2e-162、导出结果
library(dplyr)
library(autoReg)
autoReg(mlr) %>% myft()3 、森林图可视化置信区间
modelPlot(mlr)
原创文章（本站视频密码：66668888），作者：xujunzju，如若转载，请注明出处：https://zyicu.cn/?p=18526
微信扫一扫 
支付宝扫一扫 