R语言相关分析和稳健线性回归分析
时间:2022-07-23
本文章向大家介绍R语言相关分析和稳健线性回归分析,主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。
原文链接:http://tecdat.cn/?p=9484
目录
介绍
下面以物种多样性为例子展示了如何在R语言中进行相关分析和线性回归分析。
怎么做测试
Data = read.table(textConnection(Input),header=TRUE)
数据简单图
plot(Species ~ Latitude, data=Data, pch=16, xlab = "Latitude", ylab = "Species")
可以使用 cor.test函数。它可以执行Pearson,Kendall和Spearman相关。
皮尔逊相关是最常见的相关形式。假设数据是线性相关的,并且残差呈正态分布。
cor.test( ~ Species + Latitude, data=Data, method = "pearson", conf.level = 0.95)Pearson's product-moment correlationt = -2.0225, df = 15, p-value = 0.06134 cor-0.4628844
肯德尔秩相关是一种非参数检验,它不假设数据的分布或数据是线性相关的。它对数据进行排名以确定相关程度。
cor.test( ~ Species + Latitude, data=Data, method = "kendall", continuity = FALSE, conf.level = 0.95)Kendall's rank correlation tauz = -1.3234, p-value = 0.1857 tau-0.2388326
Spearman等级相关性是一种非参数检验,它不假设数据的分布或数据是线性相关的。它对数据进行排序以确定相关程度,并且适合于顺序测量。
线性回归可以使用 lm函数执行。可以使用lmrob函数执行稳健回归。
summary(model) # shows parameter estimates, # p-value for model, r-square Estimate Std. Error t value Pr(>|t|) (Intercept) 585.145 230.024 2.544 0.0225 *Latitude -12.039 5.953 -2.022 0.0613 .Multiple R-squared: 0.2143, Adjusted R-squared: 0.1619F-statistic: 4.09 on 1 and 15 DF, p-value: 0.06134Response: Species Sum Sq Df F value Pr(>F) Latitude 1096.6 1 4.0903 0.06134 .Residuals 4021.4 15
绘制线性回归
plot(Species ~ Latitude, data = Data, pch=16, xlab = "Latitude", ylab = "Species")abline(int, slope, lty=1, lwd=2, col="blue") # style and color of line
检查模型的假设
线性模型中残差的直方图。这些残差的分布应近似正态。
残差与预测值的关系图。残差应无偏且均等。
该线性回归对响应变量中的异常值不敏感。
summary(model) # shows parameter estimates, r-square Estimate Std. Error t value Pr(>|t|) (Intercept) 568.830 230.203 2.471 0.0259 *Latitude -11.619 5.912 -1.966 0.0681 .Multiple R-squared: 0.1846, Adjusted R-squared: 0.1302anova(model, model.null) # shows p-value for model pseudoDf Test.Stat Df Pr(>chisq) 1 15 2 16 3.8634 1 0.04935 *
绘制模型
summary(model) # shows parameter estimates, # p-value for model, r-squareCoefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 12.6890 4.2009 3.021 0.0056 **Weight 1.6017 0.6176 2.593 0.0154 *Multiple R-squared: 0.2055, Adjusted R-squared: 0.175F-statistic: 6.726 on 1 and 26 DF, p-value: 0.0154### Neither the r-squared nor the p-value agrees with what is reported### in the Handbook.library(car)Anova(model, type="II") # shows p-value for effects in model Sum Sq Df F value Pr(>F) Weight 93.89 1 6.7258 0.0154 *Residuals 362.96 26 # # #
功率分析
### --------------------------------------------------------------### Power analysis, correlation### --------------------------------------------------------------pwr.r.test() approximate correlation power calculation (arctangh transformation) n = 28.87376
- Centos下堡垒机Jumpserver V3.0环境部署完整记录(1)-安装篇
- CSS好看的按钮
- Metaball(元球)效果学习
- ASP.NET MVC 4 RC的JS/CSS打包压缩功能
- 表格可在线编辑效果
- CSS侧边栏宽度不动(更改页面宽度时),内容区宽度自适应
- JS网页顶部弹出可关闭广告图层
- 未来会不会出现人类大脑与人工智能进行链接,而产生的超级大脑?
- android布局文件中android:icon="?attr/menuIconCamera"找不到对应图标路径
- 无限级分类(非递归算法/存储过程版/GUID主键)完整数据库示例_(1)表结构
- Centos7修改默认网卡名(改为eth0)以及网卡启动报错RTNETLINK answers: File exists处理
- 通过企业分布式缓存共享运行时数据
- 移植SlidingMenu Android library,和安装example出现的问题解决
- 无限级分类(非递归算法/存储过程版/GUID主键)完整数据库示例_(2)插入记录
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法