Question

我一直在绞尽脑汁，无法弄清楚最好的方法是什么。

到目前为止，我进行了我最初的MLR

reg=lm(register~.,data=train)

从那里，我使用

检查交互效果

testinter=glm(register~(.-atemp)*(.-atemp),data=train)

确定重要的相互作用后，我将所有内容都包含在我的模型中。

reg=lm(register~season:month+season:temp+year:month+
     year:weekday+year:temp+month:temp+holiday:windspeed+weekday:
     weathersit+weekday:hum+weathersit:hum+
     hum+weathersit+season+year+temp, data=train)

然而，在查看一些变量之后，需要将hum和temp转换为多项式项。 hum ^ 2和temp ^ 3.

我的问题是如何将这些包含在交互效果中？这是我到目前为止的尝试，在那里我用poly（hum，2，raw = T）切换出“hum”，但我不确定它是否正确。

reg=lm(register~season:month+season:poly(temp,3,raw=T)+year:month+
     year:weekday+year:poly(temp,3,raw=T)+month:poly(temp,3,raw=T)+holiday:windspeed+weekday:
     weathersit+weekday:poly(hum,2,raw=T)+weathersit:poly(hum,2,raw=T)+
     poly(hum,2,raw=T)+weathersit+season+year+poly(temp,3,raw=T), data=train)

Answer 1

当您需要在I()或lm等式内进行转换时，您应该使用glm。

以下是使用iris数据集的示例：

data(iris)
reg <- lm(Sepal.Length~Sepal.Width:I(Petal.Length^2), data=iris)
summary(reg)

Call:
lm(formula = Sepal.Length ~ Sepal.Width:I(Petal.Length^2), data = iris)

Residuals:
    Min      1Q  Median      3Q     Max 
-0.9405 -0.2357  0.0029  0.2224  0.8241 

Coefficients:
                               Estimate Std. Error t value Pr(>|t|)    
(Intercept)                   4.8649126  0.0478357  101.70   <2e-16 ***
Sepal.Width:I(Petal.Length^2) 0.0192699  0.0007492   25.72   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.3552 on 148 degrees of freedom
Multiple R-squared:  0.8172,  Adjusted R-squared:  0.816 
F-statistic: 661.6 on 1 and 148 DF,  p-value: < 2.2e-16

多元线性Reg-Apply多项式项与交互效应

1 个答案: