根据@Roland 的评论,我也许可以提供帮助。我认为您需要普通的方差分析,这有助于确定因素是否重要。这里不需要考虑因素,整数或数字(类:数字)可以很好地工作。我将以下代码放在一起作为示例:
#creates df
(df <- data.frame(h=c(1,3,4,0,2, 3),d=c(2*1:3), m=c(-1, 0, 3, 4, 7, 8), y=c(30,28,27,26,22, 21)))
#creates linear model, gives output
(fit<-lm(df$d~ df$h + df$m+ df$y))
#runs ANOVA on linear model
anova(fit)
#creates predictions from lm based on different values of df$h
predict.lm(fit)
方差分析是回归的一种特殊情况。输出将告诉您该因子对于 P 值是否显着。
> anova(fit)
Analysis of Variance Table
Response: df$d
Df Sum Sq Mean Sq F value Pr(>F)
df$h 1 13.2923 13.2923 89.5846 0.01098 *
df$m 1 2.2832 2.2832 15.3879 0.05927 .
df$y 1 0.1277 0.1277 0.8608 0.45147
Residuals 2 0.2968 0.1484
在此示例中,小时数与因变量天数高度相关,而月份则显示第二高相关性。
请参阅背景链接 -
http://www.cookbook-r.com/Statistical_analysis/ANOVA/ http://www.cookbook-r.com/Statistical_analysis/ANOVA/
仅供参考 - 我建议您包含一些源代码来创建示例。通过这种方式,试图回答你的问题的人都可以参考同一个例子。
FYI2 - 我建议您添加标签“回归”
HTH.