如何更改 R 中回归汇总输出的自变量顺序？
要改变回归输出中自变量的顺序，我们可以在创建回归模型时按照我们想要的顺序传递变量。
例如，如果我们想要三个自变量，并且想要在最后一个位置首先显示，那么可以按如下方式完成-
lm(DP1~ ind_var_3+ ind_var_2+ind_var_1,data=”data_frame_name”)
示例
以下代码段创建了一个示例数据框-
iv1<-rnorm(20) iv2<-rnorm(20) iv3<-rnorm(20) DP1<-rnorm(20,1,0.05) df1<-data.frame(iv1,iv2,iv3,DP1) df1
创建以下数据框-
输出
iv1 iv2 iv3 DP1 1 0.27622283 0.3993088 0.009604179 0.9870641 2 -1.61822694 -0.8481482 0.455201989 1.0419490 3 -0.16453686 -1.4879353 -0.350820394 0.9798238 4 -1.05644448 -0.6567911 1.345854317 0.9589660 5 0.16128004 -1.5530191 1.248949489 1.0337228 6 0.26490779 0.1905057 0.664826658 0.9612587 7 0.75145959 -0.2902165 0.005533312 1.0167088 8 -0.11785438 0.6260407 1.116348214 1.0087205 9 0.25632653 -0.4080989 -0.314622661 0.9548039 10 -0.70829294 -1.4721428 0.303353402 0.9456278 11 0.96142734 -0.8047216 -1.423814934 1.0133855 12 0.47065716 -0.0145821 -0.871918075 1.0242987 13 -2.23836059 1.7323083 -1.417109201 0.9578229 14 0.76295739 -0.3704564 0.839145422 1.0706470 15 0.40626379 1.9601237 1.457727929 1.0253645 16 -0.75012537 -0.6982455 -1.512548488 0.9916308 17 -0.27124742 -0.9710179 0.284963380 0.9459357 18 -0.26442340 0.6065156 -0.498311289 1.0158016 19 -0.37278740 -0.2710638 0.643670976 0.9794339 20 -0.05907976 0.9741651 0.273533270 1.0329243
现在，要为df1中的数据创建回归模型，请将以下代码添加到上述代码段中-
示例
Model1<-lm(DP1~iv1+iv2+iv3,data=df1) summary(Model1)输出结果
如果您将上述所有给定的片段作为单个程序执行，它会生成以下输出-
Call:
lm(formula = DP1 ~ iv1 + iv2 + iv3, data = df1)
Residuals:
Min 1Q Median 3Q Max
-0.047785 -0.021889 0.000682 0.018709 0.071298
Coefficients:
Estimate Std.rror t value Pr(>|t|)
(Intercept) 1.000534 0.008392 119.230 <2e-16 ***
iv1 0.016620 0.010299 1.614 0.126
iv2 0.005927 0.008287 0.715 0.485
iv3 0.004480 0.008982 0.499 0.625
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.0357 on 16 degrees of freedom
Multiple R-squared: 0.1778, Adjusted R-squared: 0.02369
F-statistic: 1.154 on 3 and 16 DF, p-value: 0.3579要使用不同顺序的自变量为df1中的数据创建回归模型，请将以下代码添加到上述代码段中-
示例
Model1<-lm(DP1~iv2+iv1+iv3,data=df1) summary(Model1)输出结果
如果您将上述所有给定的片段作为单个程序执行，它会生成以下输出-
Call:
lm(formula = DP1 ~ iv2 + iv1 + iv3, data = df1)
Residuals:
Min 1Q Median 3Q Max
-0.047785 -0.021889 0.000682 0.018709 0.071298
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.000534 0.008392 119.230 <2e-16 ***
iv2 0.005927 0.008287 0.715 0.485
iv1 0.016620 0.010299 1.614 0.126
iv3 0.004480 0.008982 0.499 0.625
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.0357 on 16 degrees of freedom
Multiple R-squared: 0.1778, Adjusted R-squared: 0.02369
F-statistic: 1.154 on 3 and 16 DF, p-value: 0.3579示例
以下代码段创建了一个示例数据框-
x1<-rpois(20,4) x2<-rpois(20,2) x3<-rpois(20,2) x4<-rpois(20,5) y<-rpois(20,10) df2<-data.frame(x1,x2,x3,x4,y) df2
创建以下数据框-
输出
x1 x2 x3 x4 y 1 3 1 4 7 15 2 6 2 5 1 8 3 7 2 1 5 15 4 6 0 4 6 14 5 4 3 2 2 8 6 3 0 3 6 9 7 1 2 1 9 13 8 7 1 3 5 14 9 3 1 0 6 9 10 5 4 3 8 11 11 6 3 1 7 8 12 2 0 3 1 11 13 2 2 1 5 6 14 5 0 1 4 10 15 4 2 0 4 5 16 5 0 3 5 14 17 2 4 2 7 10 18 5 4 3 4 6 19 3 1 3 1 5 20 3 4 1 4 12
要使用不同顺序的自变量为df2中的数据创建回归模型，请将以下代码添加到上述代码段中-
示例
Model2<-lm(y~x3+x2+x4+x1,data=df2) summary(Model2)输出结果
如果您将上述所有给定的片段作为单个程序执行，它会生成以下输出-
Call:
lm(formula = y ~ x3 + x2 + x4 + x1, data = df2)
Residuals:
Min 1Q Median 3Q Max
-3.3049 -2.6574 -0.2113 1.6365 5.1192
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.7478 2.6181 1.813 0.0898 .
x3 0.5544 0.5061 1.095 0.2906
x2 -0.6848 0.4622 -1.482 0.1591
x4 0.7880 0.2979 2.645 0.0184 *
x1 0.3886 0.3839 1.012 0.3274
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 2.873 on 15 degrees of freedom
Multiple R-squared: 0.4061, Adjusted R-squared: 0.2478
F-statistic: 2.565 on 4 and 15 DF, p-value: 0.08123