解读R中的情节

时间:2017-10-30 18:32:59

标签: r linear-regression

我最近开始与R合作,我试图看到两个定量变量F和测试之间的关系 我的脚本是

library(dplyr)
library(ggplot2)

x = read.table("Input.txt", header = T)
ggplot(data = x, aes(x = F, y = Test)) +
  geom_point(colour = "red")
cor(x$F, x$Test)

ggplot(data = x, aes(x = sqrt(F), y = sqrt(Test))) +
  geom_point(colour = "red")+
  geom_smooth(method = "lm")

lmodel = lm(sqrt(Test) ~ sqrt(F), data = x)

结果附后

summary(lmodel)

Call:
lm(formula = sqrt(Test) ~ sqrt(F), data = x)

Residuals:
    Min      1Q  Median      3Q     Max 
-3140.9 -2575.8 -1779.5  -146.2 18137.6 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)
(Intercept)     2818       3910   0.721    0.479
sqrt(F)         2169       7668   0.283    0.780

Residual standard error: 5233 on 21 degrees of freedom
Multiple R-squared:  0.003796,  Adjusted R-squared:  -0.04364 
F-statistic: 0.08001 on 1 and 21 DF,  p-value: 0.78

我只是不了解关于摘要输出的R手册。

如果我只看线性模型的p值,那么它的差和相关性告诉它没有线性关系

任何人都可以帮助我理解这一点。

任何人都可以告诉我的剧本是正确的。

enter image description here

1 个答案:

答案 0 :(得分:1)

您可以在以下链接中找到有关summary解释的更多信息。

https://feliperego.github.io/blog/2015/10/23/Interpreting-Model-Output-In-R

您的p值始终介于0和1之间,按以下方式解释。

  1. p-value表示有强有力的证据反对您的零假设。

  2. 一个大的p-value表示反对零假设的证据很弱。

  3. 你的p-value非常接近1.但不,这并不意味着你的模型很糟糕。

    大学统计学教授Stephen Tigler表示,异常高p值表明数据与模型相匹配可疑......这是一个高p-value表明实际上没有相关性或您的数据之间的关联。这有点像随机性的指标。表明你有多少机会观察到你已经拥有的相关性。

    另外,正如您猜测的那样,两个变量之间似乎没有任何关系。您的R平方统计量可以衡量模型的拟合程度。越接近1越好......