線形回帰

説明変数Xに基づいて目的変数Yをモデル化する

散布図の確認

irisのデータを見ていると、verisicolorとvirginicaはPetal.LengthとSepal.Lengthに相関関係がありそうだ。 詳細に確認するため、irisのデータからsetosaを除いてプロットする。

> iris.new <- subset(iris, Species!="setosa")
> plot(Sepal.Length~Petal.Length, data=iris.new)

linear regression 1

線形モデルにフィットさせる

線形モデルにフィットさせるにはlm()関数を使用する。

lm(formula, deta)
引数   説明
formula フォーミュラクラスのオブジェクト
data 使用するデータフレーム
> iris.mdl <- lm(formula=Sepal.Length~Petal.Length, data=iris.new)

回帰分析の結果を表示する

回帰分析の結果をsummary()関数を用いて、確認してみる。

> summary(iris.mdl)

Call:
lm(formula = Sepal.Length ~ Petal.Length, data = iris.new)

Residuals:
     Min       1Q   Median       3Q      Max 
-1.09194 -0.26570  0.00761  0.21902  0.87502 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)   2.99871    0.22593   13.27   <2e-16 ***
Petal.Length  0.66516    0.04542   14.64   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.3731 on 98 degrees of freedom
Multiple R-squared:  0.6864,	Adjusted R-squared:  0.6832 
F-statistic: 214.5 on 1 and 98 DF,  p-value: < 2.2e-16

回帰分析の結果をプロットに重ね合わせる

> plot(Sepal.Length~Petal.Length, data=iris.new)
> lines(iris.new$Petal.Length,fitted(iris.mdl),col="red")

linear regression 2

See Also

散布図

2変数を縦軸と横軸に点でプロットする

beeswarm

蜂群図を描くためのパッケージ。

ape

系統樹を編集するためのパッケージ

ベクトルの集合演算

ベクトルの和集合・積集合・差集合・相当な集合

math

数学関数を使用するためのモジュール