R中的Box-Cox变换
在许多情况下,为了满足经典线性模型的正态性假设,常常需要使用指数变换或者对数转化,使其转换后的数据接近正态,比如数据是非单峰分布的,或者各种混合分布,虽然不一定起作用,但是不妨试试。
我们使用平日最常见的box-cox转换,因为之前看到有人问到如何使用spss进行转换,到网上找了资料,是需要语法的,在spss中进行语法指令,显然相比较用R,还是很不方便。
分两步,第一步需要计算出,lambda值,然后把转化后的lambda值带入方程中,同时对于转换后的数据拟合出来的方程依然进行正态性的检验
第一步:
语句如下:
library(MASS)
D=read.csv("/Users/hjs/Documents/train_test_model/ridgereg1.csv",sep=",") # 加载数据
#2拟合BOXCOX 模型
b=boxcox(y~., data=D) # 定义函数类型和数据
I=which(b$y==max(b$y))
b$x[I]#lambda=0.83
#得到0.828就是下图的最高点
第二步:
依据上一步boxcox转化的lambda值,即0.83次方,代入模型
c=lm(y^0.83 ~ long + touwei + weight,data=D) # 定义一个多元回归,同理y x1 x2 x3 是cvs文件中,带变量名的字母
d=step(c) # 使用逐步法,进入多个自变量
summary(d) # 模型汇总
anova(d) # 用方差分析法对拟合的模型进行检验
shapiro.test(d$res) # 用残差对boxcox变化后的这个逐步回归方程 正态性进行检验
结果如下
Start: AIC=-21.51 y^0.83 ~ long + touwei + weightDf Sum of Sq RSS AIC <none> 5.7518 -21.5136 - touwei 1 4.7894 10.5412 -10.1865 - long 1 6.5893 12.3411 -6.7184 - weight 1 11.3733 17.1251 0.4891
Call: lm(formula = y^0.83 ~ long + touwei + weight, data = D)Residuals:Min 1Q Median 3Q Max -0.88677 -0.36357 -0.05594 0.38686 1.33507 Coefficients:Estimate Std. Error t value Pr(>|t|) (Intercept) 7.1472866 0.8353396 8.556 9.29e-08 *** long 0.8158515 0.1796633 4.541 0.000253 *** touwei -1.0078211 0.2603217 -3.871 0.001118 ** weight 0.0033182 0.0005562 5.966 1.21e-05 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 0.5653 on 18 degrees of freedom Multiple R-squared: 0.9753, Adjusted R-squared: 0.9712 F-statistic: 237.4 on 3 and 18 DF, p-value: 1.173e-14
Df | Sum Sq | Mean Sq | F value | Pr(>F) | |
---|---|---|---|---|---|
long | 1 | 213.896784 | 213.8967840 | 669.377918 | 1.086794e-15 |
touwei | 1 | 2.271354 | 2.2713536 | 7.108073 | 1.574365e-02 |
weight | 1 | 11.373302 | 11.3733018 | 35.592106 | 1.208578e-05 |
Residuals | 18 | 5.751821 | 0.3195456 | NA | NA |
Shapiro-Wilk normality testdata: d$res W = 0.96598, p-value = 0.6184
可以看到Shapiro-Wilk normality test是通过的,也就是说,本次box-cox转换是成功的。
R中的Box-Cox变换相关推荐
- R语言构建回归模型并进行模型诊断(线性关系不满足时)、进行变量变换(Transforming variables)、使用car包中的boxTidwell函数对预测变量进行Box–Tidwell变换
R语言构建回归模型并进行模型诊断(线性关系不满足时).进行变量变换(Transforming variables).使用car包中的boxTidwell函数对预测变量进行Box–Tidwell变换 目 ...
- 简单介绍一下R中的几种统计分布及常用模型
统计学上分布有很多,在R中基本都有描述.因能力有限,我们就挑选几个常用的.比较重要的简单介绍一下每种分布的定义,公式,以及在R中的展示. 统计分布每一种分布有四个函数:d――density(密度函数) ...
- ⅰcp经济模型_简单介绍一下R中的几种统计分布及常用模型
统计学上分布有很多,在R中基本都有描述.因能力有限,我们就挑选几个常用的.比较重要的简单介绍一下每种分布的定义,公式,以及在R中的展示. 统计分布每一种分布有四个函数:d――density(密度函数) ...
- 闪亮蔚蓝_在R中构建第一个闪亮的Web应用
闪亮蔚蓝 数据科学 (DATA SCIENCE) Do you want to make your R code publicly available for others to use? If yo ...
- r中如何求变量的对数转换_对数转换以求阳性。
r中如何求变量的对数转换 In Simple terms, log transform squashes or compresses range of large numbers and expand ...
- r中汇率市场_如何在Word 2013表中汇总行和列
r中汇率市场 If you're working in Word and you need to total values in a table, you can do so without havi ...
- unity3d 可视化编程_R编程系列:R中的3D可视化
unity3d 可视化编程 In the last blog, we have learned how to create "Dynamic Maps Using ggplot2" ...
- OpenCV中霍夫直线变换
OpenCV中霍夫直线变换 首先要知道,一条直线的通用表达式为y=ax+b\color{#F00}y=ax+by=ax+b,a为直线的斜率,b为直线的截距,知道这两个参数可以唯一确定一条直线.通常我们 ...
- r语言中的shiny教程_如何使用Shiny在R中编写Web应用程序
r语言中的shiny教程 新年快乐! 这个月我忙于撰写一些较大的文章,因此请在接下来的几周内查找这些文章. 对于本月的Nooks和Crannies,我想简要指出一个我一直在用它进行自我教育的出色R库. ...
- 在R中创建晶须和盒图
Box plots in R are a good way to measure and visualize how closely your data is distributed. These a ...
最新文章
- 体验Office 2013预览版
- 电脑不能访问服务器指定端口6,windows server2008 无法访问本机及其他服务器的所有端口...
- Session 的钝化与活化
- Boost:构造一个流对象,任何发送到此流将标准输出
- lucene和elasticsearch的前世今生、elasticsearch的核心概念、elasticsearch核心概念 vs. 数据库核心概念(来自学习资料)
- 如何在Raspberry Pi上设置两因素身份验证
- 前端拆分_如何在消费者驱动的合同测试的帮助下拆分前端和后端的部署
- win7 apache php mysql 配置64,win7 64位 Apache+php+mysql配置方法
- 关于单例模式中,饿汉式和懒汉式有什么区别?
- word-vba应用
- 【联想拯救者R7000】安装nvidia驱动Perform MOK management 界面键盘失灵现象(已解决)
- 不会写代码也可以, 手把手教你制作炫酷生日祝福网页(程序员专属情人节表白网站)
- 非极大值抑制( Non-max suppression)
- 原来这就是公文写作领导讲话稿万能模板(1)
- 手机开发APP整体界面设计工具之墨刀---没用过就知道它很牛掰
- 服务器sni协议,SNI协议分析
- 如何管理NVivo的查询结果
- 垂死挣扎还是涅槃重生 -- Delphi XE5 发布会归来感想
- 零基础搭建基于知识图谱的电影问答系统
- 物联网是如何工作的?