Question

我正在寻找一种计算R http://en.wikipedia.org/wiki/Multiple_correlation中多重相关系数的方法，是否有内置函数来计算它？我有一个因变量和三个独立变量。我无法在网上找到它，任何想法？

Answer 1

内置函数lm至少提供一个版本，不确定这是否是您要查找的内容：

fit <- lm(yield ~ N + P + K, data = npk)
summary(fit)

给出：

Call:
lm(formula = yield ~ N + P + K, data = npk)

Residuals:
    Min      1Q  Median      3Q     Max 
-9.2667 -3.6542  0.7083  3.4792  9.3333 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)   54.650      2.205  24.784   <2e-16 ***
N1             5.617      2.205   2.547   0.0192 *  
P1            -1.183      2.205  -0.537   0.5974    
K1            -3.983      2.205  -1.806   0.0859 .  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 5.401 on 20 degrees of freedom
Multiple R-squared:  0.3342,    Adjusted R-squared:  0.2343 
F-statistic: 3.346 on 3 and 20 DF,  p-value: 0.0397

有关?summary.lm和?lm正在进行的更多信息。

Answer 2

试试这个：

data(mtcars)
M <- cor(mtcars)

library(corrplot)

corrplot(M, method="number",type= "lower",insig = "blank", number.cex = 0.6)

Answer 3

计算多重相关系数（即，一方面是两个或多个变量，另一方面是一个变量之间的相关性）的最简单方法是创建多元线性回归（预测一个被视为相关变量的值）从两个或多个被视为独立变量的值），然后计算因变量的预测值与观察值之间的相关系数。

例如，在这里，我们使用构建的模型创建一个名为mpg.model的线性模型，其中mpg为因变量，wt和cyl为自变量-在mtcars数据集中：

> mpg.model <- lm(mpg ~ wt + cyl, data = mtcars)

创建了上面的模型后，我们将mpg的观察值（嵌入在model数据框中的对象中）与相同变量（也嵌入了）的预测值相关联：

> cor(mpg.model$model$mpg, mpg.model$fitted.values)
[1] 0.9111681

R实际上会为您执行此计算，但是当您要求它创建模型摘要（如Brian的回答）时，R会不告诉您：lm对象的摘要包含R-平方，即相关系数的平方。因此，获得相同结果的另一种方法是从summary.lm对象中提取R平方并取其平方根，因此：

> sqrt(summary(mpg.model)$r.squared)
[1] 0.9111681

R中的多重相关系数

3 个答案: