Question

这个问题与我的previous question密切相关。唯一的区别是，我不希望绘制数据，而是希望原始数据适合。我试着在最后一个答案后自己解决但仍然卡住了。

所以我想从线性回归的拟合中检索自变量，拟合变量，残差和标准化残差。

我将使用由Brian Diggs友情创建的示例。所以谢谢。

dat <- data.frame(x1=rnorm(100), x2=rnorm(100,4,5), x3=rnorm(100,8,27), x4=rnorm(100,- 6,0.1),t=(1:100)+runif(100,-2,2)) 
dat <- transform(dat,  y=x1+4*x2+3.6*x3+4.7*x4+rnorm(100,3,50))

fit <- lm(y~x1+x2+x3+x4, data=dat)  # fit
dat$resid <- residuals(fit)
vars <- names(coef(fit))[-1]

下一步我和以前一样卡住了。我试图只获取用于回归的变量并将它们绑定到新数据集。我尝试了以下，但它不起作用。这一步是错误的。我可以绑定残差，但不能使用变量。

fit.data <- cbind(predict(fit),as.name(names(coef(fit))[2]))

非常感谢任何帮助。是的，仍在教我自己。

Answer 1

你不能把不相应维度的东西捆绑在一起。为此，您需要一个列表。您还需要使用fit对象，因为摘要对象没有适合的值（并且可能不适用于rstandard（）但我不确定）。

mod.results <- list(vars = names(coef(fit))[-1],
                    fitted.values=fit$fitted.values, 
                    residuals = residuals(fit), 
                    std.resid = rstandard(fit))

将它放在一个函数中是微不足道的：

> extr.res <- function(fit) {mod.results <- list(vars = names(coef(fit)), 
fitted.values=fit$fitted.values, residuals = residuals(fit), std.resid = rstandard(fit)) }
> str(extr.res(fit))
List of 4
 $ vars         : chr [1:5] "(Intercept)" "x1" "x2" "x3" ...
 $ fitted.values: Named num [1:100] -36.19 31.4 -2.59 -130.03 -1.12 ...
  ..- attr(*, "names")= chr [1:100] "1" "2" "3" "4" ...
 $ residuals    : Named num [1:100] -71.6 -21.2 -50.7 19 -58.5 ...
  ..- attr(*, "names")= chr [1:100] "1" "2" "3" "4" ...
 $              : Named num [1:100] -1.608 -0.487 -1.175 0.435 -1.297 ...
  ..- attr(*, "names")= chr [1:100] "1" "2" "3" "4" ...

创建从摘要中自动创建数据集的函数（fit＆lt; - lm（y~x1 + x2 + ... xn）

1 个答案: