如何计算“测定系数”＆＃39;对于R中的线性模型？

Question

我有以下x和y值集：

x = c(1:150)
y = x^-.5 * 155 + (runif(length(x), min=-3, max=3))

对数据进行线性回归：

plot(x, y, log="xy", cex=.5)

model = lm(log(y) ~ log(x))
model

现在我想对回归的质量进行衡量，并告诉人们通常使用R ^ 2（'确定系数'），它应该接近1。

如何轻松计算R中的值？我已经看到残差等已经计算好了。

Answer 1

使用summary(model)将详细输出打印到de控制台。您还可以使用str来探索对象的结构，例如str(summary(model))当您可以使用$提取部分输出时，这非常有用。

result <- summary(model)   # summary of the model
str(result)                # see structure of the summary
result$r.squared           # extract R squared (coefficient of determination)

result包含R.squared和Adjusted R平方，例如参见以下输出

Residual standard error: 0.09178 on 148 degrees of freedom
Multiple R-squared:  0.9643,    Adjusted R-squared:  0.964 
F-statistic:  3992 on 1 and 148 DF,  p-value: < 2.2e-16

该输出只是控制台中打印的summary(model)的最后一部分