使用lm()以长格式与宽格式进行线性回归
线性回归是一种统计分析方法，用于建立自变量与因变量之间的线性关系模型。在R语言中，可以使用lm()函数进行线性回归分析。
lm()函数可以接受两种数据格式：长格式和宽格式。长格式数据是指每一行包含一个观测值，且每个观测值有一个对应的自变量和因变量的取值。宽格式数据是指每一行包含一个观测值，且每个观测值的自变量和因变量的取值分别对应于不同的列。
使用长格式数据进行线性回归分析时，可以将自变量和因变量作为参数传递给lm()函数。例如，假设有一个数据框df，其中包含自变量x和因变量y，可以使用以下代码进行线性回归分析：
model <- lm(y ~ x, data = df)使用宽格式数据进行线性回归分析时，需要先将数据转换为长格式，然后再调用lm()函数。可以使用R语言中的reshape2包中的melt()函数将数据从宽格式转换为长格式。例如，假设有一个数据框df，其中包含自变量x1、x2和因变量y，可以使用以下代码将数据转换为长格式：
library(reshape2)
df_long <- melt(df, id.vars = "y", measure.vars = c("x1", "x2"))然后，可以将转换后的长格式数据作为参数传递给lm()函数进行线性回归分析：
model <- lm(y ~ variable, data = df_long)线性回归分析可以用于许多应用场景，例如预测销售额、分析市场趋势、评估广告效果等。在腾讯云中，可以使用云服务器、云数据库等产品来支持线性回归分析的计算和存储需求。
腾讯云相关产品和产品介绍链接地址：
- 云服务器（https://cloud.tencent.com/product/cvm）：提供弹性计算能力，支持在云上运行各种应用程序。
- 云数据库MySQL版（https://cloud.tencent.com/product/cdb_mysql）：提供高性能、可扩展的关系型数据库服务，适用于存储线性回归分析所需的数据。
- 云对象存储COS（https://cloud.tencent.com/product/cos）：提供安全、稳定、低成本的对象存储服务，适用于存储线性回归分析的结果和模型。
- 人工智能平台PAI（https://cloud.tencent.com/product/pai）：提供丰富的人工智能算法和模型，可用于线性回归分析中的特征工程和模型训练。
以上是关于使用lm()函数以长格式与宽格式进行线性回归的完善且全面的答案。
相关·内容
1回答
我已经得到了5个变量y, x_1, x_2, x_3, x_4的时间序列观察值，任务是找出哪个xes负责y的变化。现在的问题是，它们都是强交叉相关的，并表现出共线性。x_1, x_2, x_3, x_4内部没有隐藏的组件，它们是成对或以任何其他方式通用的-它们只是自然地相关。
可以预测的是，线性回归给出了不合理的结果，在删除其中一个变量后系数变化很大，这对于高度共线的数据来说是正常的。
正如上所建议的，针对多重共线性的一些补救措施是使用岭回归和主成分回归。然而，当我使用lm.ridge方法时，它给出了与lm完全相同的系数。
在这种情况下，PCR能提供帮助吗?如果是这样，在R中，从R中检索系数和
浏览 2提问于2012-09-25得票数 2
回答已采纳
1回答
我一直在尝试(几天来)“自动化”几个线性回归，它们使用相同的x轴数据(“甲烷”)，但y轴不同(第1天、第10天、第16天等)。从每个回归中，我想提取截距和斜率，并将它们写在每个相应的列下(第1天到72天)。我仍然不知道哪种方法更适合循环或s/lapply。
示例(数据框名为"raw_standards")：
Methane 1 10 16 62 72
224.62 1490700 1423400 2475400 2063300 1819650
449.23 3297100 2878950 4980300 4
浏览 1提问于2015-12-16得票数 2
我有一个data.table，上面有m种证券的n个日期的回报。我想以lm(ReturnSec1 ~ ReturnSec2 + ReturnSec3 +.+ ReturnSecM)的形式进行多元线性回归。我现在遇到的问题是，有些证券可能缺少日期，而且回归的日期应该是对齐的。到目前为止，我想出的是：
#The data set
set.seed(1)
dtData <- data.table(SecId = rep(c(1,2,3), each= 4), Date = as.Date(c(1,2,3,5,1,2,4,5,1,2,4,5)), Return = round(rnorm(12),
浏览 1提问于2014-04-23得票数 2
回答已采纳
1回答
多结局二项回归R
、、、
可以使用cbind为普通lm回归指定多个结果：
set.seed(11)
df <- iris %>%
mutate(var1 = sample(c(0L,1L), 150, replace = TRUE),
var2 = sample(c(0L,1L), 150, replace = TRUE))
df %>%
lm(cbind(var1, var2) ~ Sepal.Width + Sepal.Length, data = .) %>%
coef()
# var1 var2
#
浏览 7提问于2022-10-10得票数 1
回答已采纳
假设我有以下数据集
d <- data.frame(1:31, 31:1)
names(d) <- c("cats", "dogs")
我想用列作为因变量，值作为独立变量进行线性回归-如果我有2列，1列名为"Animals“，其中31行的值为"Cat”，31行的值为"Dog“，1列的值为" values”，62行的值为1:31-31:1，我想我可以使用
lm(Animals ~ values, data=df)
但是，有没有一种方法可以仅仅使用列名作为表达式的第一部分呢？
任何帮助都是非常感谢的。
浏览 24提问于2020-03-14得票数 0
回答已采纳
1回答
我有两个xts数据集。每个包含50个变量。一个是因变量数据集，另一个是自变量数据集。我想应用多个回归模型，即每个数据集中的一个变量。但是没有得到期望的结果。缺少许多值。我想从每个回归中提取系数以及t和p值。 library(xts)
library(zoo)
library(PerformanceAnalytics)
dep_var<-managers[,c(1,3)]
ind_var<-managers[,c(8,9)]
## individually running each model
model1<-lm(dep_var[,1]~ind_var[,1])
model
浏览 8提问于2020-08-28得票数 1
我有一个包含许多数值列的数据帧，第一列需要对第二列进行回归，然后存储rsqr值，然后第一列对第三列进行存储，然后存储Rsqr value...and，依此类推。执行此操作，直到第n列回归到第1列。
我希望结果是一个数据帧，其中包含回归的colname的Rsqr值。
即
tested rqr
col1 v col2 0.56
col1 v col3 0.28
col1 v col4 0.38
我知道我没有提供数据--我正在寻找方法。我已经使用了一个在forloop中调用的lm函数来做这件事，但是这需要很长的时间。我想知道是
浏览 0提问于2015-11-12得票数 2
我正在使用一个由汽车价格、品牌、里程等组成的数据集。
我想要我的分布的系数，我的自变量(里程)与价格的回归，运行我的回归2,000次，并抽样300个观察对每个回归。
以下是我的回归模型：
model <- lm(price ~ mileage, data = dat)
我试过了
for (i in 1:2000) model300 <- sample(model[i], size=300)
它没有起作用。我收到以下错误消息：
Sample.int中的错误(长度(X)，大小，替换，prob)：无法接受
当“替换=假”时样本大于总体
我试着在这个论坛上提到以前的，但我不
浏览 1提问于2016-10-24得票数 2
回答已采纳
1回答
我真的被困在这个问题上了，希望有人能帮我！我有一个有54列的数据集，我想用岭回归在测试集上进行预测。
nn <-nrow(longley)
index <- 1:nrow(longley)
testindex <- sample(index, trunc(length(index)/3))
testset <- longley[testindex,]
trainset <-longley[-testindex,]
trainset1 <- trainset[,-7]
# Fit the ridge regression model:
mod <-
浏览 2提问于2016-06-18得票数 3
回答已采纳
1回答
假设我拟合了一个模型，如下所示fit = lm(Y ~ X + Dummy1 + Dummy2)
如何提取特定虚拟变量的回归？
我希望做一些类似以下的事情来绘制所有的回归：
plot(...)
abline(extracted.lm.dummy1)
abline(extracted.lm.dummy2)
浏览 0提问于2017-10-05得票数 0
我想知道是否可以使用dylm或lm函数来回归，例如，每月变量的季度。当我尝试这样做时，lm函数指出变量长度不同。他们当然会这么做。有没有办法在不执行手动线性回归的情况下绕过这个问题？ 示例： yt1 = rnorm(10, mean =10, sd = 1)
xt1 = rnorm(40, mean = 1,sd = 1)
lm(yt1 ~ xt1) 并产生以下错误。 Error in model.frame.default(formula = yt1 ~ xt1, drop.unused.levels = TRUE) :
variable lengths differ (found
浏览 60提问于2021-06-12得票数 0
2回答
我在r中进行指数回归。
实际上，我想比较一下y = exp^(ax+b)和y = 5^(ax+b)。
# data
set.seed(1)
y <- c(3.5, 2.9, 2.97,4.58,6.18,7.11,9.50,9.81,10.17,10.53,
12.33,14.14,18, 22, 25, 39, 40, 55, 69, 72) + rnorm(20, 10, 1)
x <- 1:length(y)
df = data.frame(x = x, y = y)
predata = data.frame(x = 1:20)
# plot
plot(
浏览 0提问于2019-09-11得票数 2
回答已采纳
我在Tableau中有一个数据集，需要使用R中的lm()函数获得线性回归最佳拟合线的斜率和截距。
回归是一种基本的回归，只有一个预测变量和一个因变量。即使我需要发送整个列，我也需要将聚合值传递给lm()函数，我该如何处理呢？
对于一个名为'Predictor‘的列和另一个名为'Dependent’的列，我基本上需要在Tableau中执行此操作：
fit <- lm(df$Dependent ~ df$Predictor)
return fit
Tableau不允许我这样做，除非我传递给它
SUM[Dependent] and SUM[Predictor]
但是，我需要它在
浏览 0提问于2015-06-24得票数 0
1回答
我不太清楚如何在R中分析非线性回归，我发现通过使用函数的日志，我仍然可以用lm进行线性回归。
我的第一个函数是这个函数，其中β1是截距，β2是斜率，ε是错误项：
我认为下面的命令给了我我想要的东西：
result <- lm(log(Y) ~ log(X1), data=dataset)
问题在于以下功能：
我不知道我应该在lm里面放些什么来对我的函数进行线性回归.知道吗？
浏览 5提问于2021-12-05得票数 0
回答已采纳
基本上，我已经用我的数据集进行了线性回归，现在我还必须添加一个新的数据集，这样我就可以添加一个额外的变量。我想回答另一个我的研究假设。我认为我没有正确地添加数据集，因为这是我得到的错误代码:model.frame.default中的错误(公式= mh_w3 ~ malaise_50 + CW3_FRTVEGSP +：变量malaise_50的无效类型(列表))
这是使用的代码: malaise_50<- read.csv(file.choose()) malaise_50<- unlist(malaise_50)
malaise_50<-na.omit(malaise_50)
浏览 0提问于2022-05-05得票数 0
我试图用ggplot2绘制多元线性回归的交互效应图。但是，所绘制的直线的斜率与基于lm函数返回的估计值不匹配。
这是我的代码：
lm.sense <- lm(sense_of_belonging ~ active*mathEAL + MathID + comfort_speaking, data=Data)
library(ggplot2)
p.sense <- ggplot(lm.sense, aes(y=sense_of_belonging, x=active, color=mathEAL)) + geom_smooth(method="lm", se=FALS
浏览 7提问于2022-05-18得票数 0
2回答
我正在尝试并行运行R来运行回归。我正在尝试使用雪花库(但我对任何方法都持开放态度)。目前，我正在运行下面的回归，这需要很长时间才能运行。有人能教我怎么做吗？
sales_day_region_ctgry_lm <- lm(log(sales_out+1)~factor(region_out)
+ date_vector_out + factor(date_vector_out) +
factor(category_out) + mean_temp_out)
我已经开始了下面的工作：
library(snowfall)
sfInit(
浏览 5提问于2016-03-11得票数 1
1回答
我已经绘制了二维直方图，我可以用线、点等添加到图中。现在我试图在密集点区域应用线性回归拟合，但是我的线性回归线似乎完全偏离了它应该在的位置？这里演示的是我在左边的图，它有一个低回归拟合和一个线性拟合。
lines(lowess(na.omit(a),na.omit(b),iter=10),col='gray',lwd=3)
abline(lm(b[cc]~a[cc]),lwd=3)
这里a和b是我的值，cc是最密集部分中的点(即大部分点位于那里)，red+yellow+blue。
为什么我的回归线看上去不更像右边(手绘合适)？如果我想出一条最合适的路线，它会在那里吗
浏览 4提问于2014-03-08得票数 8
回答已采纳
2回答
有序变量线性回归
、、、、
我有五个认知变量(记忆力、认知灵活性、批判性思维、言语和注意力)和一个顺序变量(逆境得分从1到10)。我将皮质厚度作为我的结果变量(或因变量)。
我想知道如何设置我的回归？
我在想这么做：
lm(cortical_thickness ~ memory + cognitive_flexibility + critical_thinking + verbal + attention + adversity_score)
或者我应该像这样设置它：
lm(cortical_thickness ~ (memory + cognitive_flexibility + critical_thinking
浏览 52提问于2021-02-22得票数 1
我正在尝试使用机器学习来预测数据集。这是一个具有180个输入特征和1个连续值输出的回归问题.我尝试比较深度神经网络、随机森林回归和线性回归。
正如我所预期的那样，三隐层深层神经网络的性能优于其他两种方法，均方根误差(RMSE)为0.1。然而，我意外地发现，随机森林的表现甚至比线性回归还要糟糕(RMSE为0.29比0.27)。在我看来，随机林可以发现更复杂的特征之间的依赖关系，以减少错误。我尝试调优随机森林的参数(树数、最大特性、max_depth等)。我也尝试过不同的K-交叉验证，但性能仍然低于线性回归.
我在网上搜索，有一个答案说，如果特征对协变量有平滑的、近乎线性的依赖，线性回归可能会表现
浏览 5提问于2018-01-04得票数 2
回答已采纳
1回答
我正在尝试得到一个散点图，显示两条回归线，这样交互效果就很清楚了。我的代码如下：
lm <- lm(Cage_Int ~ Sex + AVP_mvBNST_ros_caud + Sex:AVP_mvBNST_ros_caud, data=data)
plot(data$Cage_Int, data$AVP_mvBNST_ros_caud, xlab="V1aR in BNSTmv",
ylab="Interaction time", col=colors, pch=20)
curve(cbind(x,1,x,1*x) %*% coef(lm)
浏览 0提问于2016-02-25得票数 0
1回答
我正在使用MASS中的rlm函数来执行稳健的回归。与lm不同，summary函数不返回r平方的值。
因此，使用1 - sum(residual^2)/(sum((Y-mean(Y))^2)?计算这个值是合适的。
(很抱歉，我不知道如何用一种更好的格式来写这篇文章)
浏览 0提问于2020-02-05得票数 4
3回答
我希望根据公式> r²= (x-h)²+(y-k)²的圆计算半径的预测区间。圆的R半径，x，y，是高斯坐标，h，k，标记拟合圆的中心。
# data
x <- c(1,2.2,1,2.5,1.5,0.5,1.7)
y <- c(1,1,3,2.5,4,1.7,0.8)
# using nls.lm from minpack.lm (minimising the sum of squared residuals)
library(minpack.lm)
residFun <- function(par,x,y) {
res <- sqrt((x-par$h)^
浏览 2提问于2013-08-07得票数 2
嗨，我想运行二项响应变量的两阶段最小二乘回归。对于连续响应变量，我使用R包"sem“中的"tsls”选项。
下面是我的命令，我想知道我这样做是正确的。
(x:内生变量，z:工具变量，y:响应变量(0或1))
xhat<-lm(x~z)$fitted.values
R<-glm(y~xhat, family=binomial)
R$residuals<-c(y - R$coef[1]+x*R$coef[2])
谢谢
浏览 1提问于2015-06-22得票数 1
我正在研究r中的用户定义函数，从95%的线性回归中计算预测估计值和区间。我有一个函数，它复制predict.lm()函数fit和interval。然而，当应用于多元线性回归时，我在小数点第三位有细微的差异，但我无法解释原因。我没有坚实的理论数学背景，所以我使用了这个网站和解释的公式集成到我的函数：
我的函数中是否有错误，还是由于舍入错误或其他边际错误而产生的细微差异？下面是函数代码以及我如何应用它来测试它：
predict.reg.95 <- function(lm.model,newdata) {
if (!inherits(lm.model, "lm")){war
浏览 6提问于2022-01-26得票数 1
回答已采纳
我有一个响应变量y。
此外，我还列出了5个因变量。
x <- list(x1, x2, x3, x4, x5)
最后，我有一个长度为5的逻辑向量z。
z <- c(TRUE, TRUE, FALSE, FALSE, TRUE)
在此情况下，我希望R自动进行线性回归。
lm(y ~ x1 + x2 + x5)
基本上，真假对应的是是否包含因变量。
我做不到。
我试过做lm(y ~x[z])，但它不起作用。
浏览 0提问于2018-12-23得票数 1
回答已采纳
1回答
最小二乘回归模型
、、
我想知道是否有人可以帮助我理解Approx和approxfun背后的原因。我知道这两个函数执行线性插值，但是我没有找到任何关于它们是如何做到这一点的参考资料。我猜他们使用了最小二乘回归模型，但我不确定。
最后，如果他们真的使用最小二乘回归模型，那么它们与lm +预测之间的区别是什么？
浏览 4提问于2015-03-13得票数 0
我有两条多项式回归线
v=lm(game_rating~poly(votes,2),data=board_games)t=lm(game_rating~poly(timeplay,4),data=board_games)
现在的问题是如何将这两行合并成一个新的回归game_rating=f(votes,timeplay)。我怎样才能把它们加在一起呢？
我试图使用"+“添加它们，但是r错误地将非数字参数显示为二进制运算符。
vt=lm(game_rating~poly(votes,2),data=board_games)+lm(game_rating~poly(timeplay,4),d
浏览 6提问于2020-05-23得票数 0
1回答
线性回归系数随时间的演变
、、、
我想观察线性回归系数随时间的演变。更准确地说，让我们有一个2年的时间框架，其中线性回归将始终使用范围为1年的数据集。在第一次回归之后，我们再前进一周(即添加新的一周，但也从开始处减去一周)，只要我们到达最终日期，就会再次进行回归:总共将有52次回归。
我的问题是，数据集中有一些假期，我们不能简单地像人们建议的那样简单地添加7天。我希望有一些包装器函数，可以对来自不同软件包的许多其他函数执行上述操作，例如来自forecast软件包的forecast.lm()或任何可以想到的函数:在每种情况下，目标都是找出每周线性回归参数的演变。
浏览 0提问于2011-05-14得票数 1
回答已采纳
3回答
我用几个连续的预测因子进行了多元回归，其中有几个是显着的，我想针对其中一个预测因子创建我的DV的散点图或散点图，包括一条“回归线”。我该怎么做？
我的情节是这样的
D = my.data; plot( D$probCategorySame, D$posttestScore )
如果是简单的回归，我可以添加一条这样的回归线：
lmSimple <- lm( posttestScore ~ probCategorySame, data=D )
abline( lmSimple )
但我的实际模型是这样的：
lmMultiple <- lm( posttestScore ~ prete
浏览 0提问于2013-07-12得票数 8
回答已采纳
我需要帮助解决我的问题。我有两个问题。
我无法在我的RStudio上安装库(VGAM)。对另一个回归逻辑序号包有什么想法或者有解决我的问题的办法吗？
当我使用mlogit时，我坚持了第一步。我有因变量= Kategori.Kredit，有3种选项。我有自变量= FD，FC，ND，NC，CASA。请帮助我解决这个问题，我试着阅读例子上的pdf，但仍然不明白。
浏览 3提问于2016-04-11得票数 0
1回答
带环线性回归
、、
我目前正在对挪威股票市场上的每一家公司进行回归分析，在那里，我将每家公司的股票回报率相对于基准进行回归。这一时期是2009-2018年。在整个过程中，我设法对每一家公司进行了回归，但我也想对每个公司每个月进行一次回归。我们的数据集包含每月的股票回报。
原始数据集由26000个观测数据组成，然后我将其转换为子集，共有390个元素(公司)。
我到目前为止所做的如下所示：
data_subset <- by(data,data$Name, subset)
data_lm <-lapply(data_subset,function(data) lm(data$CompanyReturn~d
浏览 0提问于2019-01-21得票数 0
回答已采纳
3回答
在R中绘制回归线
、、、、
我想在R中画一条简单的回归线。我已经输入了数据，但回归线似乎不正确。有人能帮帮忙吗？
x <- c(10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120)
y <- c(10, 18, 25, 29, 30, 28, 25, 22, 18, 15, 11, 8)
df <- data.frame(x,y)
plot(y,x)
abline(lm(y ~ x))
浏览 7提问于2016-09-28得票数 8
回答已采纳
我想对同一个回归器运行10次回归，然后在不使用循环的情况下提取所有标准错误。
depVars <- as.matrix(data[,1:10]) # multiple dependent variables
regressor <- as.matrix([,11]) # independent variable
allModels <- lm(depVars ~ regressor) # multiple, single variable regressions
summary(allModels)[1] # Can "view" the standard
浏览 5提问于2013-11-02得票数 4
回答已采纳
我一直在玩这个漂亮的护目镜包。我正在做一个自定义的线性回归，并想要一个工具提示来显示每个数据点的信息。但是，当我添加回归线时，当我悬停在这条线上时，工具提示就会出现，然后显示关于第一个数据点的信息(见屏幕截图)。我提供了一个简单的可复制的例子：
library(ggvis)
mtc <- mtcars
lm=with(mtc,lm(mpg~wt))
mtc$fit=lm$coefficients[1]+mtcars$wt*lm$coefficients[2]
mtc$id <- 1:nrow(mtc) # Add an id column to use ask the key
浏览 0提问于2015-07-05得票数 4
回答已采纳
3回答
我有大约90个变量存储在数据2-90中。我怀疑其中大约有4个与data1有抛物线样的相关性。我想找出哪些是相关的。有什么简单快捷的方法吗？
我尝试过构建这样的模型(对于每个变量I=2:90，我可以在循环中这样做)：
y <- data$AvgRating
x <- data$Hamming.distance
x2 <- x^2
quadratic.model = lm(y ~ x + x2)
然后看看R^2/系数，得到相关的概念。有更好的方法吗？
也许R可以用这90个变量建立一个回归模型，并选择那些本身具有显着性的变量？那有可能吗？对于线性回归，我可以在JMP中这样做，但我
浏览 14提问于2016-08-01得票数 7
回答已采纳
1回答
我尝试对一个数据框架执行一个简单的lm()回归分析。显式地，我希望在数据帧的列名和每一行之间执行一次回归分析。我的数据框架如下所示：
d = data.frame(replicate(6,rnorm(6)))
colnames(d) = as.character(0:5)
但是，我的lm()不起作用：
lm(d[1,]~colnames(d))
#Error in model.frame.default(formula = d[1, ] ~ colnames(d), drop.unused.levels = TRUE) :
#invalid type (list) for variable
浏览 2提问于2016-09-26得票数 2
回答已采纳
1回答
数据集
PHONE <- read.csv(file = "~/Desktop/311NY.csv")
Data311 = PHONE$count
Data311 = PHONE[,2]
Data311
plot(Data311, type="o", col="orange", xlab="Date", ylab="Calls", main="Time Series Analysis of 311 Calls")
abline(lm(Calls~Date, data=PHONE),
浏览 1提问于2019-03-12得票数 0
又是我！
在我的一项任务中，我必须创建一个带有回归线的图，并简单地阅读这个图并给出数据。问：“在华氏80度时，风速是多少？”只要简单地看一下这幅图，你就可以把它的90米/秒的温度定在80华氏度。这就足够了，但是知道你能在R中做些什么，我想知道以太将来的参考和现在。
如何仅使用数据帧(在图片中)使用线性回归线性回归提取给定X值的Y值，因为该值本身没有给定，但如果假设它是线性回归的，则可以提取它。
因此，本质上，我不想读出图( pic 2)中的值，而是使用一个函数，给出DF中的X(temp)值，用线性回归输出Y(风)值。
我尝试了在堆栈溢出中找到的其他东西，使用
lm(data~data, dat
浏览 3提问于2020-09-17得票数 0
回答已采纳
1回答
如何将多个回归分析的汇总输出插入R统计软件包的矩阵型变量中？
下面是我的脚本，它运行回归并在一个变量中收集截获和系数：
for (i in 2:(ncol(data.base))) {
Test <- lm(data.base[,i] ~ log(database$var.1))
results <- rbind(results, c(Test$coefficients))
}
我想要做的是将每个回归的summary(lm-test)导入到一个矩阵类型的变量中。我假设矩阵类型变量就是我需要的。
我很感谢你的帮助。
浏览 0提问于2012-11-10得票数 0
1回答
我今天更新了我的R版本，现在我得到了lm()函数的一个错误。现运行于R版本4.0.3 (2020-10-10)
这是我保存在df中的数据结构：
(如果图片未加载，则为2列的数据格式：“日期”和“值”。(使用as.Date()函数将日期保存为日期)
我想知道线性回归线的斜率，所以我使用以下函数：
trend <- lm(formula = Date~Value, data=df)
它通常会返回趋势线的截距和斜率，但是在更新我的R版本之后，我会得到以下错误：
lm.fit中的错误(x，y，偏移量=偏移量，singular.ok = singular.ok，.)：'y‘中的
浏览 3提问于2020-11-19得票数 0
回答已采纳
这应该很容易，但它快把我逼疯了。
我有一些形式的数据：
类别、RetailCPC、AdvertiserCPC
鲜花，0.2，0.25
鞋，0.4，0.1
我正在尝试显示一个点图，每行有2个点，并使用ggplot2按RetailCPC排序。
我可以绘制一个维度(我指的是RetailCPC数据)，如下所示：
Mydf$Categories <- reorder(Mydf$Categories, Mydf$RetailCPC)
require(ggplot2)
p1 <- qplot(RetailCPC, Categories, data = Mydf)
p1 + geom_point
浏览 1提问于2011-04-29得票数 2
回答已采纳
我有一个包含5列的数据集(数据框)，所有列都包含数值。
我希望为数据集中的每一对运行简单的线性回归。
例如，如果列名为A, B, C, D, E，我想运行lm(A~B), lm(A~C), lm(A~D), ...., lm(D~E)，...然后，我想要将每对数据与回归线一起绘制出来。
我是R的新手，所以我正在旋转我的轮子，看看如何真正做到这一点。我应该使用ddply吗？或者是lapply？我真的不确定该如何解决这个问题。
浏览 2提问于2013-09-23得票数 6
回答已采纳
3回答
我想用lm函数做线性回归。我的因变量是一个名为AccountStatus的因子
1:0 days in arrears, 2:30-60 days in arrears, 3:60-90 days in arrears and 4:90+ days in arrears. (4)
作为自变量，我有几个数值变量：Loan to value、debt to income和interest rate。
有没有可能用这些变量进行线性回归？我在网上找到了一些关于dummy的东西，但这些都是关于自变量的。
这不起作用：
fit <- lm(factor(AccountStatus) ~ Origin
浏览 1提问于2014-03-05得票数 12
回答已采纳
2回答
我已经为我的数据拟合了一个回归模型，它提供了一个很好的r2。
fit <- lm(time ~ poly(ladder,3), data=red.corr)
在我的数据框中，我有一个包含“阶梯”度量的列。我想用这个回归模型来预测“时间”的值。
任何帮助都非常感谢！
浏览 2提问于2020-06-21得票数 1
假设我有可索引的数据源X和Y，比如矩阵。我想运行一组独立的回归并存储结果。我最初的方法是
results = matrix(nrow=nrow(X), ncol=(2))
for(i in 1:ncol(X)) {
matrix[i,] = coefficients(lm(Y[i,] ~ X[i,])
}
但是，循环是不好的，所以我可以用lapply as
out <- lapply(1:nrow(X), function(i) { coefficients(lm(Y[i,] ~ X[i,])) } )
有没有更好的方法来做这件事？
浏览 1提问于2010-04-17得票数 3
回答已采纳
我试图用我从实验室得到的一组数据绘制线性回归图。我使用的数据是这个表：
我正在运行的代码是：
tabella_1_final$mg.ml <- gsub(",",".",tabella_1_1$mg.ml)
tabella_1_final$Abs.540.nm <- gsub(",",".",tabella_1_1$Abs.540.nm)
plot(tabella_1_final, type = "l", main = "tabella 1", xlab = "mg/m
浏览 3提问于2022-04-22得票数 0
2回答
我有一个图，来自package car，图1：
守则是：
scatterplot(istat_22 ~ vpa_cnr_2,grid=F, smooth=F)
但是如果我想要回归线的p值，r和r^2，我如何才能得到它，并在图上画出它们呢？其次，我会得到直线的方程和统计量的值。另一个问题是，为什么我要用lm来策划，比如：
plot(vpa_cnr_2,istat_22)
abline(lm(vpa_cnr_2 ~ istat_22),col="red")
直线与图1不相同(参见图2)？
图2
是的，我知道，这取决于拦截，但是R并不能找到最适合lm函数的方法
浏览 2提问于2016-03-18得票数 0
回答已采纳
1回答
我有一个大约150个样本的数据集，其中每个样本有11个输入和3个输出。我试图建立一个完整的回归模型来接受11个要训练的输入来预测3个输出，问题是样本如此之少，训练一个完整的模型几乎是不可能的。出于这个原因，我正在尝试使用pythons sklearn中的回归，例如线性回归。根据我所能发现的，大多数回归模型要么支持一个输入来预测一个输出(在回归完成之后)，要么支持多个输入来预测一个输出。 问:是否有任何类型的回归支持许多输入来预测许多输出。或者任何可能更适合我的需求的回归类型。 谢谢你的帮助！
浏览 12提问于2021-09-21得票数 0
1回答
当我用熊猫get_dummies创建分类列时，我正试图理解如何使用sklearn作为线性回归模型。
我有一个数据集，布局如下：
y = Carsales
X = Unemployment, Queries, CPI_energy, CPI_all, Month(comes in as an int)
我做的第一件事是将月份转换为对象，然后是类别(直接转换为类别类型在熊猫中不起作用)。
df['MonthFac'] = df['Month'].astype('object')
df['MonthFac'] = df['Mon
浏览 2提问于2015-07-09得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
