^R lm（）中的符号

在R中运行回归：

fit = lm(y ~ x + log(x) + z + log(z) + (z-1)^2, data=data)

我得到了高得离谱的R^2值。我用一个变量替换了（z-1）^2，我称之为q，它被定义为（z-1）^2，我得到了一个更低的R^2值

现在我很清楚，^在lm（）中不作为指数，但它做什么呢？我看了看这里，但我没有真正理解。

术语

（z-1）^2

与交互作用

（z-1）*（z-1）

相同，而不是（z-1）的平方幂。 如果您希望公式按字面意思理解，则应使用

I（）

。

---

您可以查看

？I

和

？公式

以供进一步参考，

建立在上一个答案的基础上，没有

I（）

运算符，

lm（）

不允许数学运算符进行数学运算。因此，如果没有

I（）

，“

-1

”对

lm（）

的影响与使用“

+0

”类似，即不使用“

（截取）

”术语。因此，

R平方

值更高（），因为

R平方

计算中的分母变为

（yi^2）

，而不是

（yi-y\u bar）^2

。下面的代码显示了如何lm（）compute的异同

# Create sample dataframe
x <- 10 + rnorm(100)
y <- 11 + rnorm(100)
z <- 12 + rnorm(100)
df <- data.frame(x,y,z)

#（2）使用术语“（z-1）^2” 注意：在这里，如果没有“

I”（（z-1）^2）

”中的“

I

”，

lm（）

函数不会将“

-

，

^

”视为arthmetic运算符

lm.fit <- lm(y ~ x + log(x) + z + log(z) + (z-1)^2, data=df)
summary(lm.fit)

（4a）不使用

I（）

（3）交互项可以分解如下：

 lm.fit <- lm(y ~ x + log(x) + z + log(z) + (z-1) + (z-1) + (z-1):(z-1), data=df)
 summary(lm.fit)

（4d）的工作原理与（4c）相同

（7）在

lm（）

函数中使用

I（）

： 它允许它解释数学运算符来进行数学运算。这里，interecept包含在

lm（）

中

---

lm.fit是的，那么这到底是做什么的呢？我不完全理解交互部分，以及为什么它会使r^2膨胀。谢谢。这对于堆栈交换来说是一个很好的问题：交互在回归中意味着什么。不过，恐怕我不是最有资格回答这个问题的人。很抱歉
lm.fit <- lm(y ~ x + log(x) + z + log(z) + (z-1)*(z-1), data=df)
summary(lm.fit)

 lm.fit <- lm(y ~ x + log(x) + z + log(z) + (z-1) + (z-1) + (z-1):(z-1), data=df)
 summary(lm.fit)

 lm.fit <- lm(y ~ x + log(x) + z + log(z) + z-1 + z-1 + (z-1):(z-1), data=df)
 summary(lm.fit)

 lm.fit <- lm(y ~ x + log(x) + z + log(z) + z:-1, data=df)
 summary(lm.fit)

 lm.fit <- lm(y ~ x + log(x) + z + log(z) + z-1, data=df)
 summary(lm.fit)

 lm.fit <- lm(y ~ x + log(x) + z + log(z) + z + z + z:z, data=df)
 summary(lm.fit)

var_z <- (z-1)^2
lm.fit <- lm(y ~ x + log(x) + z + log(z) + var_z, data=df)
summary(lm.fit)

 lm.fit <- lm(y ~ x + log(x) + z + log(z) + I((z-1)^2), data=df)
 summary(lm.fit)