R 多元回归系数的估计
我有以下问题: 我使用的是这个“mosaicData”库中的“Railtrail”数据。 我已经得到了以下线性回归模型的系数:R 多元回归系数的估计,r,loops,linear-regression,R,Loops,Linear Regression,我有以下问题: 我使用的是这个“mosaicData”库中的“Railtrail”数据。 我已经得到了以下线性回归模型的系数: lm(volume~hightemp+cloudcover+weekday,data=RailTrail),计算人口 现在,我需要用样本估计该模型的系数,并建立一个置信区间(95%)。 所以我需要计算之前生成的数据样本的所有系数。我被要求使用“for”循环,但我不知道如何计算LR模型。我还需要存储获得的系数 我试着这么做 trial <- list() set.s
lm(volume~hightemp+cloudcover+weekday,data=RailTrail)
,计算人口
现在,我需要用样本估计该模型的系数,并建立一个置信区间(95%)。
所以我需要计算之前生成的数据样本的所有系数。我被要求使用“for”循环,但我不知道如何计算LR模型。我还需要存储获得的系数
我试着这么做
trial <- list()
set.seed(101)
for(i in 1:100){
trial[[i]] <- RailTrail %>%
lm(volume ~ hightemp + cloudcover + weekday, data = RailTrail)
}
trial您是指模型参数的置信区间吗?如果是这样的话,我希望这个例子说明了一种简洁的方法:
model这里不需要使用RailTrail%%>%
,因为您在lm()
调用中使用了data=RailTrail
。管道假定您正在将值传递到以下函数的第一个参数中,但lm
要求在第一个参数中使用公式。只需使用trial[[i]]是的,我不知道你为什么要做for循环。如果要为每个观察值生成置信区间,可以使用predict()。