Question

我使用lm()构建了一些模型。响应变量是每个月在两个地点之一的物种的丰富程度。它以百分比形式给出小数点后6位。必须使用百分比，因为数据是通过公民科学收集的，其中每月记录的实际月度总数不可靠，但两个地点各自的总体比例（％）是。

最佳拟合模型有两个解释变量，即风速和风向，均为数值。我想应用predict()函数。到目前为止，我已按照帖子here中的说明操作，如下所示。

model <- lm(y~ x1, data=df)
new.df <- data.frame(x1=c(0, 10, 20))
predict(model, new.df)

这似乎适用于只有一个探索性变量的模型，但我在添加第二个时遇到了麻烦，所以它适用于我最合适的模型。

到目前为止，这是我提出的，然而，结果没有意义，因为两个是负数。

model2 <- lm(y ~ x1+x2, data=df)
new.df <- data.frame(x1=c(1, 6, 12), (x2=c(1, 10, 20)))
predict(model2, new.df)

 1          2          3 
 0.4123114 -0.3975497 -1.3014379

如果有人能提出任何建议，我将不胜感激。

Answer 1

如果你需要x1 + x2并且两者的相互作用（y~x1 + x2 + x1：x2）试试这个：

> df <- data.frame(x1=c(2, 12, 24), x2=c(2, 20, 40), y=c(1,2,3)) # example DF

> model2 <- lm(y ~ x1*x2, data=df)
> new.df <- data.frame(x1=c(1, 6, 12), (x2=c(1, 10, 20)))
> predict(model2, new.df)
  1   2   3 
1.0 1.5 2.0

Answer 2

我发现了问题。我的响应变量已经转换，以确保满足假设。因此，android:fontFamily ="sans-serif"的输出返回其转换状态的值。

使用具有2个或更多解释变量的predict（）函数

2 个答案: