Question

我正在尝试将x * log（x）模型拟合到数据中。拟合成功完成但我在解释结果系数时遇到困难。这是我的代码的快照。

x <- c(6, 11, 16, 21, 26, 31, 36, 41, 46, 51)
y <- c(5.485, 6.992, 7.447, 8.134, 8.524, 8.985, 9.271, 9.647, 10.561, 9.971)

fit <- lm(y ~ x*log(x))
coef(fit)
> (Intercept)           x      log(x)    x:log(x) 
3.15224227  0.10020022  1.12588040 -0.01322249

我应该如何解释这些系数？我们称他们为a，b，c，d。我应该把它们放在公式“x * log（x）”中？

Answer 1

如上所述，您拟合的模型是

E(y) = a + b*x + c*log(x) + d*x*log(x)

如果你确实想要适合模型a + b*x*log(c*x)，你需要找出a + b*x*(log(c)+log(x)) = a + b*log(c)*x + b*x*log(x)，拟合y ~ x + x:log(x)，并相应地反算计算参数。

或者您可能对y~I(x*log(x))感兴趣？

实际想要适合的模型是什么？

解释R中的回归系数

1 个答案: