2
我有两个变量G
和Y
是相关的;每个变量有12个值。我计算相关性并拟合一个名为rg
的线性回归模型。现在我想用这个模型来预测称为GP
的第二个变量的新值。我想获得与每个GP
值相对应的Y
值。 GP
有5个值。 当我做我得到以下错误预测:尝试从简单的线性回归预测时出错
Warning message:
'newdata' had 5 rows but variables found have 12 rows
我怎样才能将模型应用于GP
,是否GP
需要有12个值?我想不是。 predict.lm
中有任何选项可以做到这一点吗?
G<-c(20,25,21,30,22,23,19,24,21,23,28,27)
I<-c(229,235,230,242,231,233,226,232,230,232,238,236)
#diagrama de dispersion
qqplot(G,I)
#regression
rg<-lm(I ~ G)
summary(rg)
coef(rg[1])
#coeficiente de correlación
cor(G,I)
cp<-cor(G,I,method = c("pearson"))
cs<-cor(G,I,method = c("spearman"))
# newdata
GP <- c(30,32,34,36,38)
# predecir el valor de ingresos para estos valores
X1<-data.frame(GP)
Y_pred <- predict.lm(rg,X1)
有什么不同data.frame(G = GP)和data.frame(GP) 您能简单说一下吗?感谢 –
'predict'的newdata参数的列名需要与公式中使用的RHS名称匹配制作lm对象。 'data.frame(GP)'不这样做; 'data.frame(G = GP)'。 –