Help us understand the problem. What is going on with this article?

【R】重回帰分析の結果の見方

More than 3 years have passed since last update.

※開発・統計初心者なので、情報に間違いなどあれば指摘してください。

卒論に実験データの重回帰分析の結果を載せるにあたり、
偏回帰係数・標準偏回帰係数・t値・有意確率・重回帰決定係数が必要になった。

とりあえず出力結果の見方をメモ

  • 偏回帰係数・t値・有意確率・重回帰決定係数
  1. csvデータを読み込ませる

  2. 重回帰分析

mul_d <- data.frame(LL=mul_d$X2L,A=mul_d$a,B=mul_d$b)
#データ分析用のデータフレームを作成。
#読み込んだデータをそのまま使用できる場合は不要。
#今回はLL, A, Bのカラム名にそれぞれ元データのX2L, a, bカラムの情報を入れた。

reg_ele<-lm(LL=mul_d$LL~mul_d$A+mul_d$B)
#reg_eleに重回帰分析の結果を渡す。A, Bがそれぞれ独立変数、LLが従属変数

3.結果を表示

summary(reg_ele)

##出力結果の見方
#Estimate:偏回帰係数
#t value:t値
#Pr:有意確率
#Multiple R-squared:R2乗値=決定係数
  • 標準偏回帰係数

独立変数 xi の偏回帰係数を bi,標準偏差を si,従属変数 y の標準偏差を sy とすれば,xi の標準化偏回帰係数は bi*si/sy です。

→重回帰分析で求められた結果から計算できますね。コメントありがとうございました。
※2016/02/25更新


以下、初期の内容

scaleを使用して標準化したデータに対して、上記と同様重回帰分析を行う。
結果に対してsummaryで要約を表示し、Estatimatedの値が標準偏回帰係数。

  1. csvデータを読み込ませる

  2. 重回帰分析

mul_d <- data.frame(LL=mul_d$X2L,A=mul_d$a,B=mul_d$b)
df <- scale(mul_d)
#標準化

df <- data.frame(df)
#行列をデータフレームに変換(カラム名を使えるように)

reg_ele_s<-lm(LL=df$LL~mul_d$A+df$B)
#reg_ele_sに重回帰分析の結果を渡す。A, Bがそれぞれ独立変数、LLが従属変数

3.結果を表示

summary(reg_mul_s)

#Estimate:標準偏回帰係数

結果の見方については以上です。

※参考にしました
Rを使った分析(重回帰分析)

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした