我可以根据@ Roland的评论提供帮助。我想你想要简单的老方差分析,这有助于确定因素是否重要。这里不需要考虑因素,整数或数字(类:数字)工作正常。我将以下代码放在一起作为示例:
#creates df
(df <- data.frame(h=c(1,3,4,0,2, 3),d=c(2*1:3), m=c(-1, 0, 3, 4, 7, 8), y=c(30,28,27,26,22, 21)))
#creates linear model, gives output
(fit<-lm(df$d~ df$h + df$m+ df$y))
#runs ANOVA on linear model
anova(fit)
#creates predictions from lm based on different values of df$h
predict.lm(fit)
ANOVA是回归的特例。输出结果会告诉你P值是否显着。
> anova(fit)
Analysis of Variance Table
Response: df$d
Df Sum Sq Mean Sq F value Pr(>F)
df$h 1 13.2923 13.2923 89.5846 0.01098 *
df$m 1 2.2832 2.2832 15.3879 0.05927 .
df$y 1 0.1277 0.1277 0.8608 0.45147
Residuals 2 0.2968 0.1484
在本例中,小时数与您的因变量天数高度相关,而月数显示次高的相关性。
请参阅链接的背景 -
http://www.cookbook-r.com/Statistical_analysis/ANOVA/
仅供参考 - 我建议你包括一些源代码来创建你的榜样。用这种方式试图回答你的问题的人都可以参考相同的例子。
FYI2 - 我建议你添加标记 “回归”
HTH。
您是否熟悉'predict.lm'? – Roland
不!我做了一些Google搜索,但是在保持不变的情况下很快就变得非常困惑。 – roody
那么第一步就是阅读帮助页面:'?predict.lm'。你对'newdata'参数感兴趣,并且想研究这些例子。 – Roland