溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇文章為大家展示了怎么在R語言中使用summary()函數，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。
R語言是用于統計分析、繪圖的語言和操作環境，屬于GNU系統的一個自由、免費、源代碼開放的軟件，它是一個用于統計計算和統計制圖的優秀工具。
summary()：獲取描述性統計量，可以提供最小值、最大值、四分位數和數值型變量的均值，以及因子向量和邏輯型向量的頻數統計等。
結果解讀如下：
lm(formula = DstValue ~ Month + RecentVal1 + RecentVal4 + RecentVal6 + RecentVal8 + RecentVal12, data = trainData)
當創建模型時，以上代碼表明lm是如何被調用的。
Min 1Q Median 3Q Max -4806.5 -1549.1 -171.8 1368.7 6763.3
殘差第一四分位數（1Q）和第三分位數（Q3）有大約相同的幅度，意味著有較對稱的鐘形分布。
Estimate Std. Error t value Pr(>|t|) (Intercept) 1.345e+06 5.659e+05 2.377 0.01879 * Month 8.941e+02 2.072e+02 4.316 3.00e-05 ***
分別表示： 估值 標準誤差 T值 P值
Intercept：表示截距
Month：影響因子/特征
Estimate的列：包含由普通最小二乘法計算出來的估計回歸系數。
Std. Error的列：估計的回歸系數的標準誤差。
P值估計系數不顯著的可能性，有較大P值的變量是可以從模型中移除的候選變量。
t 統計量和P值：從理論上說，如果一個變量的系數是0，那么該變量是無意義的，它對模型毫無貢獻。
然而，這里顯示的系數只是估計，它們不會正好為0。
因此，我們不禁會問：從統計的角度而言，真正的系數為0的可能性有多大？這是t統計量和P值的目的，在匯總中被標記為t value和Pr(>|t|)。
其 中，我們可以直接通過P值與我們預設的0.05進行比較，來判定對應的解釋變量的顯著性，我們檢驗的原假設是：該系數顯著為0；若P<0.05，則拒絕原假設，即對應的變量顯著不為0。
可以看到Month、RecentVal4、RecentVal8都可以認為是在P為0.05的水平下顯著不為0，通過顯著性檢驗；Intercept的P值為0.26714，不顯著。
這兩個值，即R^{2}，常稱之為“擬合優度”和“修正的擬合優度”，指回歸方程對樣本的擬合程度幾何，這里我們可以看到，修正的擬合優 度=0.8416，表示擬合程度良好，這個值當然是越高越好。
當然，提升擬合優度的方法很多，當達到某個程度，我們也就認為差不多了。
具體還有很復雜的判定內容，有興趣的可以看看：http://baike.baidu.com/view/657906.htm
F-statistic，是我們常說的F統計量，也成為F檢驗，常常用于判斷方程整體的顯著性檢驗，其值越大越顯著；其P值為p-value: < 2.2e-16，顯然是<0.05的，可以認為方程在P=0.05的水平上還是通過顯著性檢驗的。
T檢驗：檢驗解釋變量的顯著性；
R-squared：查看方程擬合程度；
F檢驗：是檢驗方程整體顯著性。
如果是一元線性回歸方程，T檢驗的值和F檢驗的檢驗效果是一樣的，對應的值也是相同的。
補充：在R語言中顯示美麗的數據摘要summary統計信息
## Skim summary statistics ## n obs: 150 ## n variables: 5 ## ## Variable type: factor ## variable missing complete n n_unique top_counts ## 1 Species 0 150 150 3 set: 50, ver: 50, vir: 50, NA: 0 ## ordered ## 1 FALSE ## ## Variable type: numeric ## variable missing complete n mean sd min p25 median p75 max ## 1 Petal.Length 0 150 150 3.76 1.77 1 1.6 4.35 5.1 6.9 ## 2 Petal.Width 0 150 150 1.2 0.76 0.1 0.3 1.3 1.8 2.5 ## 3 Sepal.Length 0 150 150 5.84 0.83 4.3 5.1 5.8 6.4 7.9 ## 4 Sepal.Width 0 150 150 3.06 0.44 2 2.8 3 3.3 4.4 ## hist ## 1 ▇▁▁▂▅▅▃▁ ## 2 ▇▁▁▅▃▃▂▂ ## 3 ▂▇▅▇▆▅▂▂ ## 4 ▁▂▅▇▃▂▁▁
## Skim summary statistics ## n obs: 150 ## n variables: 5 ## ## Variable type: numeric ## variable missing complete n mean sd min p25 median p75 max ## 1 Petal.Length 0 150 150 3.76 1.77 1 1.6 4.35 5.1 6.9 ## 2 Sepal.Length 0 150 150 5.84 0.83 4.3 5.1 5.8 6.4 7.9 ## hist ## 1 ▇▁▁▂▅▅▃▁ ## 2 ▂▇▅▇▆▅▂▂
可以處理已使用分組的數據dplyr::group_by。
## Skim summary statistics ## n obs: 150 ## n variables: 5 ## group variables: Species ## ## Variable type: numeric ## Species variable missing complete n mean sd min p25 median ## 1 setosa Petal.Length 0 50 50 1.46 0.17 1 1.4 1.5 ## 2 setosa Petal.Width 0 50 50 0.25 0.11 0.1 0.2 0.2 ## 3 setosa Sepal.Length 0 50 50 5.01 0.35 4.3 4.8 5 ## 4 setosa Sepal.Width 0 50 50 3.43 0.38 2.3 3.2 3.4 ## 5 versicolor Petal.Length 0 50 50 4.26 0.47 3 4 4.35 ## 6 versicolor Petal.Width 0 50 50 1.33 0.2 1 1.2 1.3 ## 7 versicolor Sepal.Length 0 50 50 5.94 0.52 4.9 5.6 5.9 ## 8 versicolor Sepal.Width 0 50 50 2.77 0.31 2 2.52 2.8 ## 9 virginica Petal.Length 0 50 50 5.55 0.55 4.5 5.1 5.55 ## 10 virginica Petal.Width 0 50 50 2.03 0.27 1.4 1.8 2 ## 11 virginica Sepal.Length 0 50 50 6.59 0.64 4.9 6.23 6.5 ## 12 virginica Sepal.Width 0 50 50 2.97 0.32 2.2 2.8 3 ## p75 max hist ## 1 1.58 1.9 ▁▁▅▇▇▅▂▁ ## 2 0.3 0.6 ▂▇▁▂▂▁▁▁ ## 3 5.2 5.8 ▂▃▅▇▇▃▁▂ ## 4 3.68 4.4 ▁▁▃▅▇▃▂▁ ## 5 4.6 5.1 ▁▃▂▆▆▇▇▃ ## 6 1.5 1.8 ▆▃▇▅▆▂▁▁ ## 7 6.3 7 ▃▂▇▇▇▃▅▂ ## 8 3 3.4 ▁▂▃▅▃▇▃▁ ## 9 5.88 6.9 ▂▇▃▇▅▂▁▂ ## 10 2.3 2.5 ▂▁▇▃▃▆▅▃ ## 11 6.9 7.9 ▁▁▃▇▅▃▂▃ ## 12 3.18 3.8 ▁▃▇▇▅▃▁▂
可以用戶使用與該skim_with()功能組合的列表來指定自己的統計信息。
## Skim summary statistics ## n obs: 150 ## n variables: 5 ## ## Variable type: numeric ## variable iqr mad ## 1 Sepal.Length 1.3 1.04
上述內容就是怎么在R語言中使用summary()函數，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
