Question

假设我在R中有两个线性模型：

lm1 =（x~a + b）

lm2 =（x~a + b + c）

我想根据

确定 c对x 的影响 1）效果的重要性 2）估计效果 3）c对x的整体变化的贡献（例如，R平方值的c分量）

anova（lm1，lm2）为我提供了一个有意义的数字，但不是我需要的其他数字，特别是上面的3个。

我如何计算这些数字？

Answer 1

通常的方法是查看anova(lm1, lm2)和summary(lm2)，尽管有一个effects - 包可能会提供额外的容量。我不明白你需要做些什么是不够的。如果它是伴随“c”的加法的因子变量，则平方和与自由度的差异由anova的输出提供。 “c'对x的贡献”有点模糊，但可能意味着系数（由summary(lm2)提供的x标记为“估计”）。当在回归分析中控制“a”和“b”时，你可能会被要求写出“c”对“x”变化的贡献......“

如果你想在一个模型中分解平方和，只需看一下：

anova(lm2)
######
Analysis of Variance Table

Response: Y
          Df Sum Sq Mean Sq F value  Pr(>F)  
X1         1 2.2167 2.21672  4.9554 0.03982 *
X2         1 1.2316 1.23156  2.7531 0.11540  
Residuals 17 7.6047 0.44733   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

容易计算X1平方和中的平方总和的百分比。首先使用anova(lm2)查看对象str()。这是一个清单：

 100*anova(lm2)[['Sum Sq']][1]/sum(anova(lm2)[['Sum Sq']])
 #[1] 20.05545

“X1控制X2的部分-R ^ 2”（R ^ 2_Y.X1 | X2）是：

anova(lm2)[['Sum Sq']]["X1"]/anova(lm2)[['Sum Sq']][""Residuals"]

Answer 2

尝试比较summary(lm1)和summary(lm2)。 R平方信息应位于底部。

Answer 3

您可以使用compare_performance库中的performance函数：

library(performance)
compare_performance(lm1, lm2, rank = TRUE)

比较R中的两个线性模型

3 个答案: