解释 R 中的回归系数答案

【问题标题】：Interpreting regression coefficients in R [closed]解释 R 中的回归系数
【发布时间】：2013-05-17 17:49:33
【问题描述】：

我正在尝试为数据拟合 x*log(x) 模型。拟合成功执行，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？我们称它们为 a,b,c,d。我应该把它们放在公式“x*log(x)”的哪里？

【问题讨论】：

StackOverflow 更多地用于编程问题。帮助解释统计模型可能更适合 crossvalidated.com。
对不起，我的问题不清楚。我并不是说解释系数的值本身。让我们称这 4 个系数为 a、b、c、d：拟合实际上是针对什么函数？例如，a + bxlog(cx)?
?lm中的文档对模型公式的含义有详细的说明，建议大家仔细阅读。具体来说，* 在该上下文中具有特殊（非算术）含义。

标签： r regression lm

【解决方案1】：

正如所写，您要拟合的模型是

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

如果您确实想要拟合模型 a + b*x*log(c*x)，则需要计算出 a + b*x*(log(c)+log(x)) = a + b*log(c)*x + b*x*log(x)，拟合 y ~ x + x:log(x)，并相应地反算参数。

或者你可能对y~I(x*log(x))感兴趣？

您实际上想要适合的模型是什么？

【讨论】：

+1 在那里打败我。我要建议的唯一另一件事是，如果他们想要在 log 函数中使用系数，也许他们真的想使用 nls。
我要拟合的模型是“a+bxlog(c*x)”。所以你的答案很完美，非常感谢！