问题标签 [lm]

我正在使用标准 lm 模型，并希望将我的一个或多个变量的系数设置为特定整数。

例如，我希望天气和价格变量的系数分别为 647 和 15。

我正在使用带有标准公式的 lm 函数。

到目前为止，我发现的最接近的东西是 glm 中的 offset 函数，或者 systemfit 中的 restrict.rhs。

我还研究了用它们的系数集从这些变量中减去总贡献，但这不是很可扩展。

我知道设置系数的所有问题，但只是从探索的角度来看。

使用 R，我想绘制两个变量之间的线性关系，但我希望拟合线仅存在于数据范围内。

例如，如果我有以下代码，我希望这条线仅存在于 1:10 的 x 和 y 值（使用默认参数，这条线超出了数据点的范围）。

我正在尝试使用 R 进行固定效应线性回归。我的数据看起来像

然后我决定通过制作yr一个因素来简单地做到这一点并使用lm：

但是，这似乎内存不足。我的因子中有 20 个级别，df有 1400 万行，大约需要 2GB 来存储，我在一台有 22GB 专用于这个过程的机器上运行它。

然后我决定尝试老式的方法：为我的每一年创建虚拟变量，方法t1是t20：

并简单地计算：

这运行没有问题，并且几乎立即产生答案。

我特别好奇，当我可以很好地计算系数时，lm 是什么导致内存不足？谢谢。

如果在 RI 中使用以下行：

R 会找到一条经过原点的回归线。

我的问题是，原点是 x=0 还是 x 值的最低值？

例如，如果我的 x 值为 1998 到 2011 年，拟合线将在 1998 年或第 0 年通过？

我希望能做到最清楚。假设我有一个包含 10 个变量的数据集，其中 4 个变量代表我称为 Y 的某种现象。另外 6 个代表我称为 X 的另一种现象。

这些变量（10）中的每一个都包含 37 个单位。这些单位只是我的分析（调查）的受访者。由于所有问题均基于李克特量表，因此它们是定性变量。所有这些的比例都是从 0 到 7，但是缺少答案的地方有“-1”和“-2”值。因此，比例实际上是从 -2 到 7。

我想要做的是计算我的 Y（在这种情况下包含 4 个变量，每个变量有 37 个答案）和我的 X（包含 6 个变量和相同数量的受访者）之间的回归。我知道对于定性分析，我应该使用 Anova 而不是回归，尽管我在某处读到甚至可以进行回归。

到目前为止，我一直试图以这种方式行事：

但是正如你所看到的，虽然我不使用由 4 个变量组成的 Y 和由 6 个组成的 X，并且我也不考虑负值，但我的 R^2 得分非常低。

如果我改为使用方差分析，我会遇到这个问题：

老实说，几天前我成功使用了anova，但不幸的是我不记得如何并且我没有将命令保存在任何地方。

我想知道的是：

• 首先，我处理问题的方式错了吗？
• 您如何看待回归输出？
• 最后，我该怎么做才能制作方差分析？如果我必须这样做。

使用 R (contr.treatment) 中的默认对比，线性模型对象的摘要根据级别名称给出行名称。当我将对比更改为 contr.sum 时，线性模型对象的摘要会根据编造的数字给出行名称。

对于下面的示例代码，处理对比的行名称是 xa xb xc xd xe，对于总对比，它们是 x1 x2 x3 x4 x5。

除了手动重命名行之外，有没有办法让这些行为相同？

例子：

我一直在处理这个网站和其他网站上的问题，我只是想确保我理解我的做法是正确的，然后我需要一些建议来分析结果。

我将 n 个二进制矩阵从 Java 导出到 R（使用 jri），然后我想针对预期的 0 向量运行 lm()。

这是将矩阵导入 R 的导出函数

那么我想执行 lm() 函数来获取 r 平方值

我知道此时我需要使用 summary(fm) 来获取 r 平方值，但我不确定如何将它们拉出来或它们在这一点上的含义。我想知道每列与预期 0 值的偏差的重要性。

谢谢！

在 R 中，当使用 时lm()，如果我na.action = na.pass在对 的调用中设置lm()，那么在汇总表中，对于任何无法估计的系数都有一个 NA（因为在这种情况下缺少单元格）。

但是，如果我使用summary(myModel)$coefficients或仅从汇总对象中提取系数coef(summary(myModel))，则省略 NA。

我希望在提取系数时包含 NA，就像在打印摘要时包含它们一样。有没有办法做到这一点？

设置options(na.action = na.pass)似乎没有帮助。

这是一个例子：

我正在使用 lm() 函数在 R 中运行回归，但无法以简单格式显示结果。我需要打印一个 p 值向量：

如何覆盖科学记数法并获得合理的精度？我尝试了选项（scipen = 1000），但它显示无穷无尽的数字行，不知何故选项（数字= 7）在这里不起作用。

我知道我可以使用格式和冲刺之类的东西，但我想为所有数字输出设置默认显示规则，例如不超过 6 个小数。

我正在运行一些模拟，我想将线性模型拟合到我的数据子集：

这行得通，但我想使用一种更简单的方法，首先为适合的数据创建一个新的 data.frame，

适合所有情况，

（这... | id显然是无效的语法）

并立即对完整数据使用预测，

有没有lm()像这样使用的技巧？还是更好的解决方案？谢谢。