ich vor kurzem begonnen haben, mit R arbeiten, und ich bin versucht Beziehung zwischen zwei quantitativen Variablen F und Test mein Skript zu sehen istInterpretation der Handlung in R
library(dplyr)
library(ggplot2)
x = read.table("Input.txt", header = T)
ggplot(data = x, aes(x = F, y = Test)) +
geom_point(colour = "red")
cor(x$F, x$Test)
ggplot(data = x, aes(x = sqrt(F), y = sqrt(Test))) +
geom_point(colour = "red")+
geom_smooth(method = "lm")
lmodel = lm(sqrt(Test) ~ sqrt(F), data = x)
die Ergebnisse
summary(lmodel)
Call:
lm(formula = sqrt(Test) ~ sqrt(F), data = x)
Residuals:
Min 1Q Median 3Q Max
-3140.9 -2575.8 -1779.5 -146.2 18137.6
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2818 3910 0.721 0.479
sqrt(F) 2169 7668 0.283 0.780
Residual standard error: 5233 on 21 degrees of freedom
Multiple R-squared: 0.003796, Adjusted R-squared: -0.04364
F-statistic: 0.08001 on 1 and 21 DF, p-value: 0.78
angebracht sind
Ich verstehe einfach nicht R Handbuch über die Zusammenfassung der Ausgabe.
, wenn ich bei p-Wert von linearem Modell aussehen nur seine schlechte und Korrelation sagt gibt es keine lineare Beziehung
jemand mir das Verständnis dieser helfen kann.
kann jemand sagen, dass mein Skript korrekt ist.
vielen Dank. aber r2 ist hier nahe bei 0. bedeutet es, dass das Modell nicht gut passt – star