0

我目前正在开展一个项目，在该项目中我必须使用集成在 R 中的数据集运行 ANCOVA 测试。（Iris）

我试图弄清楚如何设置 lm() 以运行此测试。我不想要完整的答案，因为我真的很想学习。

所以，基本上我需要使用 r 中的数据集 iris 运行 ANCOVA。它要求我Sepal.Length在调整时比较所有三个物种Sepal.Width。

我已经尝试了一切，但没有什么对我有用，我知道这绝对是用户错误。

我在使用 r 方面相当新，所以请善待。

我目前有：

fit2 <- lm(Sepal.Length ~ Species + Sepal.Width, data = iris_data)

我需要在不同的场合乘以个人Species时间。Sepal.width我什至创建了不同的对象，以便将它们乘以宽度，但我得到了无数错误。

我创建的当前对象是：

setosa     <- iris[iris$Species == "setosa", ]
versicolor <- iris[iris$Species == "versicolor", ]
virginica  <- iris[iris$Species == "virginica", ]`

请帮助引导我朝着正确的方向前进，谢谢！没有完整的答案，我只需要知道如何设置它，或者我可能不知道在这种情况下可以帮助我的功能。

任何帮助表示赞赏。谢谢

4

1 回答 1

0

协方差分析包括因子和连续变量作为线性模型中的自变量。

对于iris数据集，我们将运行以下命令：

  lm(Sepal.Length ~ Sepal.Width + Species,data = iris)

所以OP中的原始代码确实是设置分析的正确方法，但关键是截距表示输出中未列出的因子水平，而其他因子水平被解释为相对于物种的差异由截距表示。

在此处输入图像描述

由于Setosa物种未列在回归系数列表中，因此由截距项表示。因此，其他物种系数被解释为“Species = Virginica 对萼片长度的影响是x相对于 Setosa，净萼片宽度。”

要使用系数来预测 的值Sepal.Length，如果 Species = Setosa，可以忽略 Virginica 和 Versicolor 的系数（即，将它们的值设置为 0）。

做出预测

为了使用模型进行预测，我们保存模型对象并将其与predict()函数一起使用。

fit <- lm(Sepal.Length ~ Sepal.Width + Species,data = iris)

# predict some values
# first, set up the independent variables
Species <- c("setosa","setosa","virginica","versicolor","setosa")
Sepal.Width <- c(3.1,3.2,3.8,2.9,3.25)

# next, build a data frame
data <- data.frame(Species,Sepal.Width)

# predict and print 
data$predicted <- predict(fit,data)
data

...和输出：

> data
     Species Sepal.Width predicted
1     setosa        3.10  4.742432
2     setosa        3.20  4.822788
3  virginica        3.80  7.251741
4 versicolor        2.90  6.040463
5     setosa        3.25  4.862966
>
于 2020-05-06T21:45:43.533 回答