R的LINEST函数模拟

Question

我是 R 新手，正在尝试使用它。我需要获得与 R 等效的 LINEST 函数。

我可以从 Google 获得很多最小二乘的 URL，但我无法获得具有恒定值的 URL。我想将它用于方差分析。

例如，我想使用那些数组。第一个是y，其他是虚拟变量。

y = c(42,37,41,39,43,41,37,40,39,38,41,32,28,34,32,30,33)

x1 = c(1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0)

x2 = c(0,0,0,0,0,0,1,1,1,1,1,0,0,0,0,0,0)

x3 = c(0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1)

如果是LINEST，我可以使用LINEST(Y1:YN,X11:X3N,TRUE)得到结果。

附：在这种情况下，我应该得到如下结果：

在这种情况下，我应该得到如下结果：

|乙| C |常量 |

| -9 | -1 | 40.5 |

| 1.16 | 1.22 | 0.82 |

| 0.83 | 2.01 | |

| 33.74 | 14 |

| 274.76 | 57 |

Answer 1

我相信您正在寻找summary(lm(y~x1+x2+x3))，如果知道这被称为“线性回归”，那么在 Google 上应该很容易找到。但是，您甚至不需要手动进行虚拟编码。只需使用 factor 变量，让 R 为您完成。

summary(lm(y~x1+x2+x3))

#Call:
#lm(formula = y ~ x1 + x2 + x3)
#
#Residuals:
#   Min     1Q Median     3Q    Max 
#  -3.5   -1.5    0.5    1.5    2.5 
#
#Coefficients: (1 not defined because of singularities)
#            Estimate Std. Error t value Pr(>|t|)    
#(Intercept)  31.5000     0.8238  38.240 1.45e-15 ***
#x1            9.0000     1.1650   7.726 2.05e-06 ***
#x2            7.5000     1.2218   6.138 2.57e-05 ***
#x3                NA         NA      NA       NA    
#---
#Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
# 
#Residual standard error: 2.018 on 14 degrees of freedom
#Multiple R-squared:  0.8282,   Adjusted R-squared:  0.8036 
#F-statistic: 33.74 on 2 and 14 DF,  p-value: 4.419e-06

NA 值之所以存在，是因为我们在模型中有一个截距，并且系统的等级不足以估计四个参数。您可以使用summary(lm(y~x1+x2+x3-1)) 排除拦截，但不建议这样做。

下面是使用因子变量的方法：

x <- factor(c(1,1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,3))
summary(lm(y~x))

#Call:
#lm(formula = y ~ x)
#
#Residuals:
#   Min     1Q Median     3Q    Max 
#  -3.5   -1.5    0.5    1.5    2.5 
#
#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)    
#(Intercept)  40.5000     0.8238  49.165  < 2e-16 ***
#x2           -1.5000     1.2218  -1.228     0.24    
#x3           -9.0000     1.1650  -7.726 2.05e-06 ***
#---
#Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#
#Residual standard error: 2.018 on 14 degrees of freedom
#Multiple R-squared:  0.8282,   Adjusted R-squared:  0.8036 
#F-statistic: 33.74 on 2 and 14 DF,  p-value: 4.419e-06

注意现在截距是x1 的平均值，其他系数与这个平均值进行比较。