首页 文章

解释R中的回归系数[关闭]

提问于
浏览 次
0

我正在尝试将x * log（x）模型拟合到数据中 . 拟合成功完成但我在解释结果系数时遇到困难 . 这是我的代码的快照 .

x <- c(6, 11, 16, 21, 26, 31, 36, 41, 46, 51)
y <- c(5.485, 6.992, 7.447, 8.134, 8.524, 8.985, 9.271, 9.647, 10.561, 9.971)

fit <- lm(y ~ x*log(x))
coef(fit)
> (Intercept)           x      log(x)    x:log(x) 
3.15224227  0.10020022  1.12588040 -0.01322249

我应该如何解释这些系数？我们称他们为a，b，c，d . 我应该把它们放在公式“x * log（x）”中？

r regression lm

1 回答

  • 5

    如上所述，您拟合的模型是

    E(y) = a + b*x + c*log(x) + d*x*log(x)

    如果你真的想要适合模型 a + b*x*log(c*x) ，你需要找出 a + b*x*(log(c)+log(x)) = a + b*log(c)*x + b*x*log(x) ，适合 y ~ x + x:log(x) ，并相应地反向计算参数 .

    或者您可能对 y~I(x*log(x)) 感兴趣？

    你真正想要的模特是什么？

    回复于

相关问题