Saya memberikan presentasi tentang pemasangan garis. Saya memiliki fungsi linier sederhana, . Saya mencoba untuk mendapatkan titik data yang tersebar yang bisa saya masukkan ke dalam sebar plot yang akan menjaga garis saya paling cocok dengan persamaan yang sama.
Saya ingin mempelajari teknik ini dalam R atau Excel - mana yang lebih mudah.
r
regression
least-squares
excel
Ryan Chase
sumber
sumber
Jawaban:
Pilih salah satu( xsaya) asalkan setidaknya dua dari mereka berbeda. Atur intercept β0 dan slope β1 dan tentukan
Ini sangat cocok. Tanpa mengubah kecocokan, Anda dapat memodifikasiy0 menjadi y= y0+ ε dengan menambahkan vektor kesalahan ε = ( εsaya) untuk itu asalkan itu ortogonal baik untuk vektor x = ( xsaya) dan vektor konstan ( 1 , 1 , … , 1 ) . Cara mudah untuk mendapatkan kesalahan seperti itu adalah untuk memilih setiap vektor e dan membiarkan ε menjadi residu pada kemunduran e terhadap x . Dalam kode di bawah ini,e dihasilkan sebagai seperangkat nilai normal acak independen dengan rata-rata 0 dan standar deviasi umum.
Selain itu, Anda bahkan dapat memilih jumlah sebaran, mungkin dengan menentukan apa yang seharusnyaR2 . Membiarkan τ2= var ( ysaya) = β21var ( xsaya) , skala ulang residu tersebut untuk memiliki varian
Metode ini sepenuhnya umum: semua contoh yang mungkin (untuk satu setxsaya ) dapat dibuat dengan cara ini.
Contohnya
Kuartet Anscombe
Kita dapat dengan mudah mereproduksi Kuartet Anscombe dari empat dataset bivariat yang berbeda secara kualitatif yang memiliki statistik deskriptif yang sama (melalui urutan kedua).
Kode ini sangat sederhana dan fleksibel.
Outputnya memberikan statistik deskriptif orde kedua untuk( x , y) untuk setiap dataset. Keempat garis itu identik. Anda dapat dengan mudah membuat lebih banyak contoh dengan mengubah
x
(koordinat x) dane
(pola kesalahan) sejak awal.Simulasi
R
(Tidaklah sulit untuk mem-porting ini ke Excel - tetapi ini sedikit menyakitkan.)
Dengan mengeksekusiR2 adalah nilai yang dimaksud. Statistik lain, seperti nilai p regresi, dapat disesuaikan dengan memodifikasi nilaixsaya .
summary(fit)
Anda dapat memeriksa bahwa koefisien yang diperkirakan persis seperti yang ditentukan dan kelipatannyasumber