В мире статистики и анализа данных оценка соответствия модели линейной регрессии имеет решающее значение. Одним из часто используемых показателей для этой цели является значение R-квадрата. В этой статье блога мы рассмотрим различные методы извлечения значения R-квадрата из модели линейной регрессии (lm) в R. Итак, возьмите свой любимый напиток и давайте окунемся в мир R-квадрата!

Метод 1: использование функции summary()
Один из самых простых способов извлечения значения R-квадрата — использование функции summary() для объекта lm. Вот пример:

# Fit a linear regression model
model <- lm(y ~ x, data = dataset)
# Extract R-squared value using summary()
summary(model)$r.squared

Метод 2: использование функции anova()
Функция anova() также может использоваться для извлечения значения R-квадрата из объекта lm. Вот как это можно сделать:

# Fit a linear regression model
model <- lm(y ~ x, data = dataset)
# Extract R-squared value using anova()
anova(model)["x", "Sum Sq"] / anova(model)["Total", "Sum Sq"]

Метод 3: расчет R-квадрата вручную
Если вы предпочитаете более практический подход, вы можете вручную рассчитать значение R-квадрата, используя остатки и общую сумму квадратов. Вот пример:

# Fit a linear regression model
model <- lm(y ~ x, data = dataset)
# Calculate R-squared manually
residuals <- resid(model)
total_sum_squares <- sum((dataset$y - mean(dataset$y))^2)
1 - sum(residuals^2) / total_sum_squares

Метод 4: использование пакета broom
Пакет broom в R обеспечивает аккуратный подход к извлечению различных статистических данных модели, включая R-квадрат. Вот как вы можете его использовать:

# Install and load the broom package
install.packages("broom")
library(broom)
# Fit a linear regression model
model <- lm(y ~ x, data = dataset)
# Extract R-squared value using the glance() function
glance(model)$r.squared

В этой статье мы рассмотрели различные методы извлечения значения R-квадрата из модели lm в R. Предпочитаете ли вы использовать встроенные функции, такие как summary() и anova(), вычислять его вручную или использовать метлу пакет для аккуратного подхода, теперь в вашем распоряжении множество опций. Так что вперед, оцените свои модели линейной регрессии с уверенностью, используя силу R-квадрата!