Fonction lm() de R - Modèle de régression linéaire
Exemples du langage RLa fonction lm() de R est utilisée pour ajuster des modèles de régression linéaire et analyser la relation linéaire entre les variables indépendantes et dépendantes.
La régression linéaire est l’un des outils les plus fondamentaux et importants de la modélisation statistique.
La syntaxe de la fonction lm() est la suivante :
lm(formula, data)
Description du paramètre :
formulaFormule, au format y ~ x1 + x2 + ..., où y est la variable dépendante et x sont les variables indépendantes.
dataData frame, contenant les variables de la formule.
Exemple
# Données sur les dépenses publicitaires et les ventes
ad_spend <- c(10, 15, 12, 18, 20, 14, 22, 16, 25, 19)
sales <- c(50, 65, 55, 72, 80, 60, 88, 68, 95, 75)
# Ajuster le modèle linéaire
model <- lm(sales ~ ad_spend)
# Afficher le résumé du modèle
print(summary(model))
# Prédire de nouvelles données
new_spend <- data.frame(ad_spend = c(17, 23))
predictions <- predict(model, new_spend)
print(paste("Ventes prévues :", predictions))
ad_spend <- c(10, 15, 12, 18, 20, 14, 22, 16, 25, 19)
sales <- c(50, 65, 55, 72, 80, 60, 88, 68, 95, 75)
# Ajuster le modèle linéaire
model <- lm(sales ~ ad_spend)
# Afficher le résumé du modèle
print(summary(model))
# Prédire de nouvelles données
new_spend <- data.frame(ad_spend = c(17, 23))
predictions <- predict(model, new_spend)
print(paste("Ventes prévues :", predictions))
L'exécution du code ci-dessus produit la sortie suivante :
Call:
lm(formula = sales ~ ad_spend)
Residuals:
Min 1Q Median 3Q Max
-4.3780 -1.5831 -0.4329 1.8202 4.9347
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 17.1622 3.4394 4.990 0.00106 **
ad_spend 3.0623 0.1933 15.839 2.42e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 2.829 on 8 degrees of freedom
Multiple R-squared: 0.9691, Adjusted R-squared: 0.9652
F-statistic: 250.9 on 1 and 8 DF, p-value: 2.422e-07
[1] "预测销售额: 69.2218150385764 87.5953501640316"
Le R carré est de 0.9691, ce qui indique que les dépenses publicitaires peuvent expliquer environ 97% de la variation des ventes.
Autres extensions