描述性分析与斜率估计线性模型R之间的不匹配

Question

我是一名处理R建模的小学生。

我正在尝试找到由n个重复行xm变量列组成的数据集的最佳模型：我想建立一个lm来解释4个分类回归量在Y（连续数据）植物芽数中的影响/平方米。

公式模型为：lm（Y~a + b + c + d）。

回归水平：“a”有4个等级（阴影百分比等级），“b”有4个等级（4个调查年），“c”有3个等级（高程等级）和“d”有7个等级（7个空间）采集枝条的多边形）。

在描述性分析中，我观察到（带有箱形图）所有回归量水平的Y值都在强烈下降，特别是对于分类变量“a”：其水平称为“I”（100％轻），“II”（60％） ，“III”（30％），“IV”（10％光），具有350,250,150 100 Y中值。

在概要模型中，我可以观察到每个回归量水平的Y值的预期影响，除了“a”：该回归量的水平与具有显着p值的Y呈现相反的关系。这意味着与I（包括在截距中）相比，II级的估计斜率值为+69，III +133和IV + 150。

诊断图正确，残差正态分布和方差同质性。

所以我的问题是，这种影响是否可能，或者我应该以不同的方式阅读摘要？

提前感谢您的帮助。

Here you can see the distribution of each factors level included in the model

Summary and diagnostic plot

Answer 1

我将您的问题标记为要进行交叉验证，因为它更像是一个统计问题。希望你在那里得到更详细的答案。

在任何情况下，您不匹配的一个潜在原因是您的一个解释变量与另一个相关。这不会出现在您的诊断图中。相关变量＆＃34;导致＆＃34;您在摘要图中看到的密度递减。通过将其包含在回归中删除该效果后，实际效果会显示密度增加

快速检查是对您的解释变量之间的关联进行一些测试。或者，您可以逐步估计线性模型，在另一个之后添加一个变量，以查看在添加特定解释变量后阴影变量的符号是否发生变化。