Looking for r Answers? Try Ask4KnowledgeBase
Looking for r Keywords? Try Ask4Keywords

R LanguageModelos Lineales (Regresión)


Sintaxis

  • lm (fórmula, datos, subconjunto, pesos, na.action, method = "qr", model = TRUE, x = FALSE, y = FALSE, qr = TRUE, singular.ok = TRUE, contrastes = NULL, offset, .. .)

Parámetros

Parámetro Sentido
fórmula una fórmula en la notación de Wilkinson-Rogers ; response ~ ... donde ... contiene términos correspondientes a variables en el entorno o en el marco de datos especificado por el argumento de data
datos Marco de datos que contiene las variables de respuesta y predictor
subconjunto un vector que especifica un subconjunto de observaciones a usar: puede expresarse como una declaración lógica en términos de las variables en los data
pesos Pesos analíticos (ver sección Pesos arriba)
na.acción cómo manejar los valores faltantes ( NA ): ver ?na.action
método Cómo realizar el ajuste. Solo las opciones son "qr" o "model.frame" (este último devuelve el marco del modelo sin ajustar el modelo, idéntico a especificar el model=TRUE )
modelo si almacenar el cuadro de modelo en el objeto ajustado
X si almacenar la matriz del modelo en el objeto ajustado
y si almacenar la respuesta del modelo en el objeto ajustado
qr si almacenar la descomposición QR en el objeto ajustado
singular.ok ya sea para permitir ajustes individuales , modelos con predictores colineales (un subconjunto de los coeficientes se establecerá automáticamente en NA en este caso)
contrastes una lista de contrastes que se utilizarán para factores particulares en el modelo; vea el argumento contrasts.arg de ?model.matrix.default . Los contrastes también se pueden establecer con options() (ver el argumento de contrasts ) o asignando los atributos de contrast de un factor (ver ?contrasts )
compensar Se utiliza para especificar un componente conocido a priori en el modelo. También se puede especificar como parte de la fórmula. Ver ?model.offset
... argumentos adicionales para pasar a funciones de ajuste de nivel inferior ( lm.fit() o lm.wfit() )

Modelos Lineales (Regresión) Ejemplos relacionados