描述分析与斜率估计的不匹配线性模型R

我是一个在R做模特的noob学生

我试图为我的数据集找到由n个重复行x m个变量列组成的最佳模型：我想构建一个lm来解释4个分类回归因子对Y（连续数据）植物芽数/平方米的影响

公式模型为：lm（Y~a+b+c+d）

回归因子水平：“a”有4个水平（阴影百分比等级），“b”有4个水平（4年调查），“c”有3个水平（海拔等级）和“d”有7个水平（7个空间多边形，在这些多边形中采集了枝条）

在描述性分析中，我观察到（用箱线图）所有回归变量水平的Y值都显著下降，特别是分类变量“a”：其水平称为“i”（100%光）、“II”（60%）、“III”（30%）、“IV”（10%光），有350、250、150个100 Y中值

在总结模型中，我可以观察到每个回归器水平的Y值的预期影响，但“a”除外：该回归器的水平与Y呈相反的关系，具有显著的p值。这意味着，与I（包括在截距中）相比，II级、III+133级和IV+150级的估计斜率值为+69

诊断图符合残差正态分布和方差齐性

所以我的问题是，是否有这种影响，或者我应该以不同的方式阅读总结

提前感谢您的帮助

---

我将您的问题标记为迁移到交叉验证，因为这实际上更像是一个统计问题。希望你能得到更详细的答案

在任何情况下，导致不匹配的一个潜在原因是一个解释变量与另一个相关。这不会出现在你的诊断图中。相关变量“导致”汇总图中显示的密度降低。一旦你通过将其包含在回归中来消除这种影响，真正的影响就会表现为密度的增加

---

快速检查是对解释变量之间的关联进行一些测试。或者，您可以通过依次添加一个变量来评估线性模型，以查看添加特定解释变量后着色变量的符号是否发生变化。

如果您发布绘图和摘要输出，我们可以为您提供可靠的答案，而不是猜测。