1 / 13

Phân tích hồi quy tuyến tính đa biến sử dụng phần mềm R

Phân tích hồi quy tuyến tính đa biến sử dụng phần mềm R. Tuan V. Nguyen Garvan Institute of Medical Research, Sydney, Australia. Số liệu. Tác động của nhiệt độ (x1), thời gian (x2) lên CO2 (y).

clarke
Download Presentation

Phân tích hồi quy tuyến tính đa biến sử dụng phần mềm R

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Phân tích hồi quy tuyến tính đa biến sử dụng phần mềm R Tuan V. Nguyen Garvan Institute of Medical Research, Sydney, Australia

  2. Số liệu Tác động của nhiệt độ (x1), thời gian (x2) lên CO2 (y) Chú thích: y = sản lượng CO2; X1 = thời gian (phút); X2 = nhiệt độ (C); X3 = phần trăm hòa tan; X4 = lượng dầu (g/100g); X5 = lượng than đá; X6 = tổng số lượng hòa tan; X7 = số hydrogen tiêu thụ.

  3. Nhập số liệu vào R y <- c(36.98,13.74,10.08, 8.53,36.42,26.59,19.07, 5.96,15.52,56.61, 26.72,20.80, 6.99,45.93,43.09,15.79,21.60,35.19,26.14, 8.60, 11.63, 9.59, 4.42,38.89,11.19,75.62,36.03) x1 <- c(5.1,26.4,23.8,46.4, 7.0,12.6,18.9,30.2,53.8,5.6,15.1,20.3,48.4, 5.8,11.2,27.9,5.1,11.7,16.7,24.8,24.9,39.5,29.0, 5.5, 11.5, 5.2,10.6) x2 <- c(400,400, 400, 400, 450, 450, 450, 450, 450, 400, 400, 400, 400, 425, 425, 425, 450, 450, 450, 450, 450, 450, 450, 460, 450, 470, 470) x3 <- c(51.37,72.33,71.44,79.15,80.47,89.90,91.48,98.60,98.05,55.69, 66.29,58.94,74.74,63.71,67.14,77.65,67.22,81.48,83.88,89.38, 79.77,87.93,79.50,72.73,77.88,75.50,83.15) x4 <- c(4.24,30.87,33.01,44.61,33.84,41.26,41.88,70.79,66.82, 8.92,17.98,17.79,33.94,11.95,14.73,34.49,14.48,29.69,26.33, 37.98,25.66,22.36,31.52,17.86,25.20, 8.66,22.39) x5 <- c(1484.83, 289.94, 320.79, 164.76, 1097.26, 605.06, 405.37, 253.70, 142.27,1362.24, 507.65, 377.60, 158.05, 130.66, 682.59, 274.20, 1496.51, 652.43, 458.42, 312.25, 307.08, 193.61, 155.96,1392.08, 663.09,1464.11, 720.07) x6 <- c(2227.25, 434.90, 481.19, 247.14,1645.89, 907.59, 608.05, 380.55, 213.40,2043.36, 761.48, 566.40, 237.08,1961.49,1023.89, 411.30,2244.77, 978.64, 687.62, 468.38, 460.62, 290.42, 233.95,2088.12, 994.63,2196.17,1080.11) x7 <- c(2.06,1.33,0.97,0.62,0.22,0.76,1.71,3.93,1.97,5.08,0.60,0.90, 0.63,2.04,1.57,2.38,0.32,0.44,8.82,0.02,1.72,1.88,1.43, 1.35,1.61,4.78,5.88) REGdata <- data.frame(y, x1,x2,x3,x4,x5,x6,x7) Muốn lưu giữ file, cần phải dùng lệnh Write.table(REGdata,”địa chỉ cần lưu giữ file/data.csv”)

  4. Hoặc gọi file từ R Nhập số liệu từ bảng biểu trình bày trên vào file xcel. Sau đó save as dưới dạng file csv. Cách này có thể lưu giữ số liệu gốc. Rồi gọi file số liệu trưc tiếp vào R: REGdata <- read.csv(“c:/đường dẫn đến nơi lưu file/ data.csv, header=T)

  5. Kết quả phân tích reg <- lm(y ~ x1+x2+x3+x4+x5+x6+x7, data=REGdata) summary(reg) Residuals: Min 1Q Median 3Q Max -20.035 -4.681 -1.144 4.072 21.214 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 53.937016 57.428952 0.939 0.3594 x1 -0.127653 0.281498 -0.453 0.6553 x2 -0.229179 0.232643 -0.985 0.3370 x3 0.824853 0.765271 1.078 0.2946 x4 -0.438222 0.358551 -1.222 0.2366 x5 -0.001937 0.009654 -0.201 0.8431 x6 0.019886 0.008088 2.459 0.0237 * x7 1.993486 1.089701 1.829 0.0831 . --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 10.61 on 19 degrees of freedom Multiple R-Squared: 0.728, Adjusted R-squared: 0.6278 F-statistic: 7.264 on 7 and 19 DF, p-value: 0.0002674

  6. Tương quan chéo

  7. Hồi quy loại từng bước (stepwise) reg <- lm(y ~ ., data=REGdata) step(reg, direction=”both”)

  8. Hồi quy loại từng bước

  9. Hồi quy loại từng bước

  10. Phương pháp lựa chọn mô hình tối ưu bằng Bayesian Model Average (BMA) library(BMA) xvars <- REGdata[,-1] co2 <- REGdata[,1] bma <- bicreg(xvars, co2, strict=FALSE, OR=20) summary(bma)

  11. Bayesian Model Average (BMA) analysis 16 models were selected Best 5 models (cumulative posterior probability = 0.6599 ): p!=0 EV SD model 1 model 2 model 3 model 4 model 5 Intercept 100.0 5.75672 14.6244 2.5264 6.1441 8.6120 7.5936 7.3537 x1 12.4 -0.01807 0.1008 . . . -0.1393 . x2 10.4 -0.00075 0.0282 . . . . . x3 10.7 0.00011 0.0791 . . . . -0.0572 x4 20.2 -0.03059 0.1020 . . -0.1419 . . x5 10.5 -0.00023 0.0030 . . . . . x6 100.0 0.01815 0.0040 0.0185 0.0193 0.0164 0.0162 0.0179 x7 73.7 1.60766 1.2821 2.1857 . 2.1628 2.1233 2.2382 nVar 2 1 3 3 3 r2 0.700 0.636 0.709 0.704 0.701 BIC -25.8832 -24.0238 -23.4412 -22.9721 -22.6801 post prob 0.311 0.123 0.092 0.072 0.063

  12. Bayesian Model Average (BMA) analysis imageplot.bma(bma)

  13. Lời Cảm tạ • Chúng tôi xin chân thành cám ơn Công ty Dược phẩm Bridge Healthcare, Australia đã tài trợ cho chuyến đi.

More Related