1. Grâce à ce formulaire vous pouvez proposer une astuce ou un script sur R.
  2. Votre script doit pouvoir être lancé en l'état. Veuillez penser à :
    • inclure le chargement des "library" nécessaires
    • construire un petit jeu de données si besoin est.
    • commenter les lignes de codes pour en faciliter la compréhension.
  3. Le titre de votre script ou astuce doit être clair et explicite.
  4. Pensez à mettre votre code entre les balises [R] et [/R]; Pour cela, vous pouvez utiliser le bouton

Vous pouvez utiliser vos comptes Facebook, twitter ou google pour vous identifer (google est compatible yahoo, openID...)
L'ideal étant de vous connecter si vous avez un compte utilisateur, ou faire une demande de compte utilisateur si vous n'en avez pas encore.
Créer un compte va vous permettre de pouvoir éditer vos codes et de mettre en avant votre site internet.
Sinon vous pouvez soumettre anonymement en remplissant les champs ci-après.







Choisissez les catégories correspondantes à votre Code:

  • algorithmique
  • Analyse de survie
  • base indispensable
  • bayésien
  • configuration de R
  • exportation de données
  • fonctions utiles
  • graphique
  • importation de données
  • inférence
  • manipulation de données
  • message d'erreur
  • modélisation
  • Non classé
  • optimisation
  • planification
  • programmer avec R
  • regression linéaire
  • Test
  • Transformation de données


Comment effectuer une régression linéaire simple sur R ? lm

0
dans fonctions utiles

La régression linéaire simple permet de modéliser une relation linéaire entre deux variables quantitatives dans le but d’expliquer un phénomène ou de le prédire.

 
#On commence par représenter les données :
plot(Sepal.Length~Petal.Length, data=iris)
#On constate que la relation entre la largeur des sépales et celle des pétales semble être linéaire
 
#On estime les paramètres :
Reg.simp <- lm(Sepal.Length~Petal.Length, data=iris)
 
#Call:
#lm(formula = Sepal.Length ~ Petal.Length, data = iris)
 
#Residuals:
#     Min       1Q   Median       3Q      Max
#-1.24675 -0.29657 -0.01515  0.27676  1.00269
 
#Coefficients:
#             Estimate Std. Error t value Pr(>|t|)   
#(Intercept)   4.30660    0.07839   54.94   <2e-16 ***
#Petal.Length  0.40892    0.01889   21.65   <2e-16 ***
#---
#Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 
#Residual standard error: 0.4071 on 148 degrees of freedom
#Multiple R-squared:   0.76,     Adjusted R-squared:  0.7583
#F-statistic: 468.6 on 1 and 148 DF,  p-value: < 2.2e-16
 
 

On obtient une matrice “Coefficients” qui contient pour chaque paramètre son estimation, son écart-type estimé et la p-value. Si la p-value est inférieure à 0.05 cela signifie que la relation entre les deux variables est significative.

Proposé par Helene F.

Ce script vous à rendu service? remerciez l'auteur en votant ici:
- ça ne sert à rien -- c\'est interessant - (score de +1 sur 3 votes)
Loading ... Loading ...

Poster un commentaire


Votre email ne seras jamais communiqué champs requis désigné par une *

*
*


sept + 8 =

Formation logiciel R