对于可能是一个非常基本的问题的道歉。通过回归模型预测数据并存储在向量中
我使用多元回归为大量气象数据集创建了线性模型。我的目标是使用该模型在一定时期内使用预测变量1,2和3“预测”数据。然后,我会将这些预测数据与该时期的观测数据进行比较。
到目前为止,我的方法是为预测值创建一个新矢量并循环遍历矢量,根据提取的线性模型的系数创建预测值。然后,我将简单地从观测值中减去预测值。出于某种原因,这种方法导致新的预测向量为NULL。任何想法我可以如何处理这个?
样本如下。 “数据”是指包含预测变量的数据集。
coef <- coefficients(multipleRegressionModel)
predictedValues=c()
for(i in 1:length(data$timePeriod)){
predictedValues[i] = append(predictedValues, data$coef[1]+data$predictor1[i]*data$coef[2]+data$predictor2[i]*data$coef[3]+
data$predictor3[i]*data$coef[4])
}
diff=c()
diff=observedValues - predictedValues
为什么你会循环?只要做'预测(multipleRegressionModel,newdata = data)'。另外,不要在一个循环中增长一个对象,即不要使用'append'。这非常缓慢。 – Roland
谢谢!我不知道预测功能。 –