R lm() 関数 - 線形回帰モデル
R lm() 関数は線形回帰モデルを当てはめるために使用され、説明変数と目的変数の間の線形関係を分析します。
線形回帰は統計モデリングにおいて最も基礎的かつ重要なツールの一つです。
lm() 関数の構文形式は以下の通りです:
lm(formula, data)
パラメータの説明:
formula数式。形式は y ~ x1 + x2 + ... で、y は目的変数、x は説明変数です。
dataデータフレーム。数式内の変数を含みます。
例
# 広告費と売上高のデータ
ad_spend <- c(10, 15, 12, 18, 20, 14, 22, 16, 25, 19)
sales <- c(50, 65, 55, 72, 80, 60, 88, 68, 95, 75)
# 線形モデルを当てはめる
model <- lm(sales ~ ad_spend)
# モデルの要約を表示
print(summary(model))
# 新しいデータを予測
new_spend <- data.frame(ad_spend = c(17, 23))
predictions <- predict(model, new_spend)
print(paste("予測売上高:", predictions))
ad_spend <- c(10, 15, 12, 18, 20, 14, 22, 16, 25, 19)
sales <- c(50, 65, 55, 72, 80, 60, 88, 68, 95, 75)
# 線形モデルを当てはめる
model <- lm(sales ~ ad_spend)
# モデルの要約を表示
print(summary(model))
# 新しいデータを予測
new_spend <- data.frame(ad_spend = c(17, 23))
predictions <- predict(model, new_spend)
print(paste("予測売上高:", predictions))
上記のコードを実行すると、出力結果は以下の通りです:
Call:
lm(formula = sales ~ ad_spend)
Residuals:
Min 1Q Median 3Q Max
-4.3780 -1.5831 -0.4329 1.8202 4.9347
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 17.1622 3.4394 4.990 0.00106 **
ad_spend 3.0623 0.1933 15.839 2.42e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 2.829 on 8 degrees of freedom
Multiple R-squared: 0.9691, Adjusted R-squared: 0.9652
F-statistic: 250.9 on 1 and 8 DF, p-value: 2.422e-07
[1] "预测销售额: 69.2218150385764 87.5953501640316"
R-squared は 0.9691 で、広告費が売上高の変化の約 97% を説明できることを示しています。
その他の拡張
R 言語の例