p11-multiple-regression: multiple-regression

In zengfengbo/WuR: Wu Statitic using R

Description

multiple-regression

Examples

# 11.1 <e6><a8><a1><e5><9e><8b><e5><92><8c><e6><8b><9f><e5><90><88>
# <e4><be><8b> 11.1
w = read.csv("SC.csv") # <e6><b2><a1><e6><89><be><e5><88><b0><e6><95><b0><e6><8d><ae>
a = lm(<e8><90><a5><e4><b8><9a><e5><88><a9><e6><b6><a6>~., w)
summary(a); shapiro.test(a$res)

# 11.2 <e5><8f><98><e6><8d><a2><e5><8f><8a><e9><80><90><e6><ad><a5><e5><9b><9e><e5><bd><92>
a1 = lm(<e8><90><a5><e4><b8><9a><e5><88><a9><e6><b6><a6>^0.75 ~., w)
b = step(a1)
summary(b); shapiro.test(b$res)

# 11.3 <e8><87><aa><e5><8f><98><e9><87><8f><e5><8c><85><e5><90><ab><e5><88><86><e7><b1><bb><e5><8f><98><e9><87><8f><e7><9a><84><e5><9b><9e><e5><bd><92>

# <e4><be><8b> 11.2
# w = read.csv("greenhouse2.csv")
data(greenhouse, package="agricolae")
w = greenhouse$greenhouse2
a = lm(weight~. , w[, -3])
summary(a) #method3<e4><b8><aa><e6><b0><b4><e5><b9><b3>, variety4<e4><b8><aa><e6><b0><b4><e5><b9><b3>, <e9><bb><98><e8><ae><a4><e7><ac><ac><e4><b8><80><e4><b8><aa><e6><b0><b4><e5><b9><b3><e4><b8><ba>0, <e5><85><b6><e4><bb><96><e6><b0><b4><e5><b9><b3><e7><9b><b8><e5><af><b9><e4><ba><8e><e7><ac><ac><e4><b8><80><e4><b8><aa><e6><b0><b4><e5><b9><b3><e6><a0><bc><e5><bc><8f><e5><a4><9a><e5><b0><91>
anova(a) #<e6><96><b9><e5><b7><ae><e5><88><86><e6><9e><90>, F<e5><88><86><e5><b8><83><e6><a3><80><e6><b5><8b>

# 11.5 logistic<e5><9b><9e><e5><bd><92><e5><92><8c>probit<e5><9b><9e><e5><bd><92>
# <e4><be><9d><e7><84><b6><e6><98><af><e7><ba><bf><e6><80><a7><e5><9b><9e><e5><bd><92>, <e4><bd><86><e6><98><af><e5><b7><a6><e8><be><b9><e7><9a><84><e5><80><bc><e5><8f><96><e5><80><bc><e4><b8><ba><e6><a6><82><e7><8e><87>, <e5><9c><a8>[0, 1]<e8><8c><83><e5><9b><b4><e5><86><85>, <e9><9c><80><e8><a6><81><e5><85><88><e6><98><a0><e5><b0><84><e5><88><b0><e6><95><b4><e4><b8><aa><e5><ae><9e><e6><95><b0><e5><8c><ba><e9><97><b4>.
# ln(p/(1-p)), <e6><ad><a3><e6><80><81><e5><88><86><e5><b8><83><e7><b4><af><e7><a7><af><e5><87><bd><e6><95><b0><e7><9a><84><e9><80><86>.

w <- read.csv("https://stats.idre.ucla.edu/stat/data/binary.csv")
#w <- d11.3
a = glm(admit ~., w, family = binomial);
print(summary(a))
b = glm(admit~., w, family = binomial(probit))
print(summary(b))

zengfengbo/WuR documentation built on May 24, 2019, 5:06 a.m.