11.5 线性回归
本章目录 · 3 节
本章导读
【11.5 线性回归】本节用R的lm函数拟合回归,按原书保留冰晶生长、汽车价格与商品价格三个例题。线性回归是对回归系数线性,不要求原自变量只能以一次幂出现。散点图、系数检验和模型诊断作用不同,不能用一个很小的斜率p值代替对线性、独立性、方差及误差分布的检查。
【例1 冰晶轴向长度与时间】容器保持−5摄氏度与固定湿度,记录自放入冰晶起的时间T,单位秒,以及轴向长度A,单位微米。43对观察按原书顺序列在下表。按题设回归模型,(1)求回归直线,(2)以0.05检验斜率为零的双侧假设,(3)画散点图及拟合线。
【R代码】使用time、axis作对象名,避免覆盖T这一TRUE的常见简写;图中仍按原题解释时间与轴向长度。
time <- c(50,60,60,70,70,80,80,90,90,90,95,100,100,100,105,105,110,110,110,115,115,115,120,120,120,125,130,130,135,135,140,140,145,150,150,155,155,160,160,160,165,170,180)
axis <- c(19,20,21,17,22,25,28,21,25,31,25,30,29,33,35,32,30,28,30,31,36,30,36,25,28,28,31,32,34,25,26,33,31,36,33,41,33,40,30,37,32,35,38)
ice <- data.frame(time=time,axis=axis)
fit <- lm(axis~time,data=ice)
summary(fit)
plot(axis~time,data=ice,xlab="Time (s)",ylab="Axial length (micrometres)")
abline(fit)
公式左侧是响应,右侧是解释变量,lm默认包含截距。得到
每增加1秒,拟合条件均值增加约0.130768微米。截距在T=0处的形式数值不自动表示实际初始长度,因为观察时间为50至180秒,零时刻在数据范围以外。
斜率标准误约0.0175996421,,自由度41,双侧。拒绝,在题设模型下有证据支持时间与平均轴向长度存在线性关系。这不意味着散点都落在直线上,或模型可以无条件外推。
残差标准差约3.721611微米,。斜率显著与解释比例大小是不同信息。summary打印的Residuals五项依次是最小值、第一四分位数、中位数、第三四分位数和最大值,不是五个单独选出的原始残差,也不代表已经完成全部诊断。(例完)
【例2 汽车价格的对数回归】沿用9.3例6,车龄x为1至10年,价格Y按美元数值依次2651,1943,1494,1087,765,538,484,290,226,204。原书本节直接输入四位小数的自然对数7.8827,7.5720,7.3092,6.9912,6.6399,6.2879,6.1821,5.6699,5.4205,5.3181。这里同时列出两种输入,防止把预先舍入造成的差异误认为软件错误。
以原始价格保留精度的R代码
cars <- data.frame(age=1:10,price=c(2651,1943,1494,1087,765,538,484,290,226,204))
fit <- lm(log(price)~age,data=cars)
summary(fit)
由完整精度得到,斜率,自由度8,双侧。回到原变量的指数曲线为
原书用四位小数对数输入,结果为,与它打印的一致。若要复现这一输入而非原价全精度结果,可另执行:
ylog <- c(7.8827,7.5720,7.3092,6.9912,6.6399,6.2879,6.1821,5.6699,5.4205,5.3181)
age <- 1:10
summary(lm(ylog~age))
若假设对数误差为均值0、方差的正态分布,则指数化的拟合线估计条件中位数;原尺度条件均值是。需要均值预测时应说明回变换校正及其估计方式,不能把直接指数化的值不加说明地叫作平均价格。这里是给定历史教学数据的模型示范,不用于推断现时市场价格。(例完)
【例3 商品价格的二次回归】沿用9.4例题,x为20,25,30,35,40,50,60,65,70,75,80,90,y为1.81,1.70,1.65,1.55,1.48,1.40,1.30,1.26,1.24,1.21,1.20,1.18。拟合。
R代码
price <- data.frame(x=c(20,25,30,35,40,50,60,65,70,75,80,90),y=c(1.81,1.70,1.65,1.55,1.48,1.40,1.30,1.26,1.24,1.21,1.20,1.18))
fit <- lm(y~x+I(x^2),data=price)
summary(fit)
I(x^2)使平方按普通算术求值;R公式里的运算符有专门含义,不能把未加I的公式y~x+x^2想当然解释成加入平方项。也可如原书那样先构造数值列x1=x、x2=x的平方,再拟合y~x1+x2;两者设计矩阵列空间相同。
得到
残差平方和约0.00133712495948,误差均方约0.000148569439943,误差自由度。线性项、平方项的t约−23.89804674、14.44554375,双侧p约、,各自检验是在保留另一个项的条件下进行。
这仍是参数线性模型,只是对原自变量x的关系为二次曲线。原书称之为“原来是非线性回归”,容易与需要非线性参数估计的模型混淆,应明确区分。不要把显示时只有四位有效数字的系数再用于核验残差平方和;实际预测与图形使用完整精度。(例完)
【函数与复算】lm是小写字母l、m,不是数字1、字母m。summary对lm对象输出估计、标准误、系数t检验及拟合指标;plot与abline分别画观察散点和拟合直线。p小只针对对应系数假设,不证明模型唯一、预测必然准确或关系具有因果性。本节代码已运行,并与独立线性代数计算、残差正交性及t分布尾概率核验。
