通过示例快速理解二次回归
当两个变量有线性关系时,通常使用简单线性回归测定它们的关系。但变量间有二次关系时,应该使用二次回归进行拟合。本文介绍R如何实现二次回归。
示例
假设我们希望理解工作时长与幸福感之间的关系。现收集到下面数据集,包括每周工作时长以及调查反馈的幸福感(0~100):
#create data
data <- data.frame(hours=c(6, 9, 12, 14, 30, 35, 40, 47, 51, 55, 60),happiness=c(14, 28, 50, 70, 89, 94, 90, 75, 59, 44, 27))#view data
data# hours happiness
# 1 6 14
# 2 9 28
# 3 12 50
# 4 14 70
# 5 30 89
# 6 35 94
# 7 40 90
# 8 47 75
# 9 51 59
# 10 55 44
# 11 60 27
首先我们利用散点图看下变量之间的关系:
plot(data$hours, data$happiness, pch=16)
上图明显看到变量之间不是线性关系。下面我们使用简单线性回归模型看下数据拟合情况:
# 拟合简单线性模型
linearModel <- lm(happiness ~ hours, data=data)# 查看模型概要信息
summary(linearModel)# Call:
# lm(formula = happiness ~ hours, data = data)
#
# Residuals:
# Min 1Q Median 3Q Max
# -39.34 -21.99 -2.03 23.50 35.11
#
# Coefficients:
# Estimate Std. Error t value Pr(>|t|)
# (Intercept) 48.4531 17.3288 2.796 0.0208 *
# hours 0.2981 0.4599 0.648 0.5331
# ---
# Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#
# Residual standard error: 28.72 on 9 degrees of freedom
# Multiple R-squared: 0.0446, Adjusted R-squared: -0.06156
# F-statistic: 0.4201 on 1 and 9 DF, p-value: 0.5331
通过Multiple R-squared: 0.0446
表明模型仅能解释4.46%幸福感 。下面我们采用二次回归模型:
# 创建新的二次变量
data$hours2 <- data$hours^2# 拟合二次回归模型
quadraticModel <- lm(happiness ~ hours + hours2, data=data)# 查看模型概要信息
summary(quadraticModel)# Call:
# lm(formula = happiness ~ hours + hours2, data = data)
#
# Residuals:
# Min 1Q Median 3Q Max
# -6.2484 -3.7429 -0.1812 1.1464 13.6678
#
# Coefficients:
# Estimate Std. Error t value Pr(>|t|)
# (Intercept) -18.25364 6.18507 -2.951 0.0184 *
# hours 6.74436 0.48551 13.891 6.98e-07 ***
# hours2 -0.10120 0.00746 -13.565 8.38e-07 ***
# ---
# Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#
# Residual standard error: 6.218 on 8 degrees of freedom
# Multiple R-squared: 0.9602, Adjusted R-squared: 0.9502
# F-statistic: 96.49 on 2 and 8 DF, p-value: 2.51e-06
这次我们看到模型可以解释96.2%的幸福感方差。下面利用可视化方式查看模型拟合数据情况:
# 创建时长序列
hourValues <- seq(0, 60, 0.1)# 使用二次模型预测幸福感
happinessPredict <- predict(quadraticModel, list(hours=hourValues, hours2=hourValues^2))# 创建原始数据的散点图
plot(data$hours, data$happiness, pch=16)
# 基于二次回归增加预测线
lines(hourValues, happinessPredict, col='blue')
可以看到二次回归模型拟合效果非常好。我们再看看二次模型的输出信息:
Coefficients:Estimate Std. Error t value Pr(>|t|) (Intercept) -18.25364 6.18507 -2.951 0.0184 * hours 6.74436 0.48551 13.891 6.98e-07 *** hours2 -0.10120 0.00746 -13.565 8.38e-07 ***
基于上面的输出信息,二次回归模型应该为:
** Happiness = -0.1012(hours)2{^2}2 + 6.7444(hours) – 18.2536
我们可以利用这个方程基于每周工作时长来计算幸福感。
例如,一个每周工作60小时的人的幸福水平预计为22.09:
幸福= -0.1012(60)2{^2}2 + 6.7444(60)- 18.2536 = 22.09
相反,每周工作30小时的人的幸福水平预计为92.99:
幸福= -0.1012(30)2{^2}2 + 6.7444(30)- 18.2536 = 92.99
通过示例快速理解二次回归相关推荐
- 快速理解二十三种设计模式(速记)
设计模式六大原则 单一职责原则(Single Responsibility Principle) 里氏替换原则(Liskov Substitution Principle) 依赖倒置原则(Depend ...
- android studio一个页面等待3秒跳转_Flutter 对 iOS、Android(双端开发者)的快速理解(二)
原文链接 更多教程 Flutter怎么在不同页面之间跳转? 在 iOS 中,你可以使用管理了 view controller 栈的 UINavigationController 来在不同的 view ...
- TensorFlow学习笔记(二):快速理解Tutorial第一个例子-MNIST机器学习入门 标签: 机器学习SoftmaxTensorFlow教程 2016-08-02 22:12 3729人阅
TensorFlow学习笔记(二):快速理解Tutorial第一个例子-MNIST机器学习入门 标签: 机器学习SoftmaxTensorFlow教程 2016-08-02 22:12 3729人阅读 ...
- 网络编程懒人入门(二):快速理解网络通信协议(下篇)
1.前言 本文上篇<网络编程懒人入门(一):快速理解网络通信协议(上篇)>分析了互联网的总体构思,从下至上,每一层协议的设计思想.基于知识连贯性的考虑,建议您先看完上篇后再来阅读本文. 本 ...
- 计算机网络资料篇(二)——快速理解网络协议
<网络编程懒人入门(一):快速理解网络通信协议(上篇)> <网络编程懒人入门(二):快速理解网络通信协议(下篇)> 一:五层模型 物理层.数据链路层.网络层.传输层.应用层 1 ...
- OpenCV4.0 快速QR二维码检测测试示例
点击我爱计算机视觉标星,更快获取CVML新技术 近几年由于微信大力推广移动支付,二维码已经成为手机App的标配,在众多种类的二维码中,QR码是最为流行的. 刚刚发布的OpenCV4.0-Alpha新增 ...
- 【经典算法实现 44】理解二维FFT快速傅里叶变换 及 IFFT快速傅里叶逆变换(迭代法 和 递归法)
[经典算法实现 44]理解二维FFT快速傅里叶变换 及 IFFT快速傅里叶逆变换(迭代法 和 递归法) 一.二维FFTFFTFFT快速傅里叶变换 公式推导 二.二维FFTFFTFFT 及 IFFTIF ...
- 学一点 mysql 双机异地热备份----快速理解mysql主从,主主备份原理及实践
学一点 mysql 双机异地热备份----快速理解mysql主从,主主备份原理及实践 原文 学一点 mysql 双机异地热备份----快速理解mysql主从,主主备份原理及实践 感谢大家在上一篇 学一 ...
- 一篇文章带你快速理解JVM运行时数据区 、程序计数器详解 (手画详图)值得收藏!!!
受多种情况的影响,又开始看JVM 方面的知识. 1.Java 实在过于内卷,没法不往深了学. 2.面试题问的多,被迫学习. 3.纯粹的好奇. 很喜欢一句话:"八小时内谋生活,八小时外谋发展. ...
最新文章
- Modesim 仿真 ERRO VSIM-19
- 【学习笔记】3、Jupyter Notebook无法打开问题处理
- linux常用命令:touch 命令
- Leetcode中学到的SQL函数汇总
- 全排列函数(next_permutation)
- SQLite 指南之FAQ(中文)
- 机器学习笔记(八):线性回归算法的评测标准 | 凌云时刻
- nodejs-基础:路由基础
- NISP第一讲信息安全和网络空间安全
- LabVIEW的VISA函数串口数据采集例子——温度采集系统
- 高级会计职称计算机考什么,高级会计师考试要考哪些科目
- 快速批量导出excel超链接
- 系统hosts文件进行域名解析
- 机器学习中的数学——拟牛顿法(Quasi-Newton Methods)
- Fortran:数组函数详解
- 阿里巴巴矢量图标库(网页)
- EMI滤波器的matlab仿真,开关电源EMI滤波器的仿真设计
- Java——super关键字
- ERROR 1630 (42000): FUNCTION a.avg does not exist. Check the ‘Function Name Parsing and Resolution‘
- 【转】史上最全的买卖股票技巧 总有一款适合你