Многомерная регрессия в R
Я пытаюсь найти способ запустить регрессию для одной независимой переменной с двумя зависимыми переменными. Мои данные организованы в фрейм данных, который представляет собой 11 наблюдений за 3 переменными, первый столбец содержит мою независимую переменную (V1), а два других содержат мои зависимые переменные (V2 и V3).
Я пробовал код ниже.
regression <- lm(binned_data$V2 + binned_data$V3 ~ binned_data$V1)
plot( binned_data$V2 + binned_dataBDI$V3 ~ binned_data$V1, pch =16, cex = 1.0, col = "black", main = "Binned Data and BDI-II Score", xlab = "BDI-II Score", ylab = "Binned Data")
abline(regression)
summary(regression)
Я хочу построить V1 по оси x и обе зависимые переменные, V2 и V3, по оси y. Я также хочу включить линию регрессии. Я ожидаю, что всего две точки данных будут 22, так как для каждой зависимой переменной имеется 11 наблюдений, но на график нанесено только 11.
Согласитесь, что это предложение будет успешным, но более общий подход будет заключаться в использовании cbind: regression <- lm( cbind(V2 , V3) ~ V1, data =binned_data) . См. ?lm
Ответы 1
Используя данные радужной оболочки в качестве примера, вот как это можно сделать с помощью базы R.
mdl <- lm(cbind(Sepal.Length, Sepal.Width) ~ Petal.Length, iris)
plot(Sepal.Length ~ Petal.Length, iris, ylim = c(0, 9))
points(Sepal.Width ~ Petal.Length, iris, pch = 3)
abline(mdl$coefficients[, 1])
abline(mdl$coefficients[, 2])
summary(mdl)
во-первых, ваш lm должен быть
lm(as.matrix(data[-1])~iris[,1])