R 线性回归中自变量在解释因变量方差中的重要性计算
我正在从事一个媒体混合建模(MMM)项目,在该项目中,我必须建立线性模型,以预测作为输入变量的各种支出中的流量因子。我得到了线性模型方程,它是:R 线性回归中自变量在解释因变量方差中的重要性计算,r,linear-regression,analysis,R,Linear Regression,Analysis,我正在从事一个媒体混合建模(MMM)项目,在该项目中,我必须建立线性模型,以预测作为输入变量的各种支出中的流量因子。我得到了线性模型方程,它是: Traffic = 1918 + 0.08*TV_Spend + 0.01*Print_Spend + 0.05*Display_spend 我想计算两件我不知道怎么做的事情: 每个变量对解释流量变化的贡献有多大 每个自变量占总流量的百分比是多少 我想这个问题已经在好几个地方被回答了好几次了(重复?) 例如,请参见: 您还可能需要计算标准化回归系数
Traffic = 1918 + 0.08*TV_Spend + 0.01*Print_Spend + 0.05*Display_spend
我想计算两件我不知道怎么做的事情:
我想这个问题已经在好几个地方被回答了好几次了(重复?) 例如,请参见: 您还可能需要计算标准化回归系数(首先标准化变量,然后重新运行回归分析),以找出哪个自变量对因变量的影响最大(如果显著,我想补充)。我认为标准化回归权重的解释比考虑解释的方差更直观 干杯,
Peter我运行了上述两个命令,但是如何解释和使用结果以获得所需的结果。请帮忙。