- Code: Alles auswählen
# Prädiktoren vom metrischen zu Faktorstufen umwandeln
stream$x1f <- factor(stream$x1)
stream$x2f <- factor(stream$x2)
stream$x3f <- factor(stream$x3)
# Modell mit den Faktoren als Prädiktor ohne Interaktionen
mod2 <- lm(y1 ~ x1f + x2f + x3f, data = stream)
summary(mod2)
AIC(mod2)
Das Ergebnis sieht so aus:
- Code: Alles auswählen
> summary(mod2)
Call:
lm(formula = y1 ~ x1f + x2f + x3f, data = stream)
Residuals:
Min 1Q Median 3Q Max
-0.38937 -0.05219 0.00000 0.07828 0.34000
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.35812 0.05932 22.895 < 2e-16 ***
x1f1 0.14563 0.05306 2.745 0.00821 **
x1f1.5 0.34562 0.05306 6.514 2.53e-08 ***
x1f2 0.39375 0.05306 7.421 8.53e-10 ***
x2f0.25 0.18438 0.05306 3.475 0.00102 **
x2f0.5 0.27125 0.05306 5.112 4.30e-06 ***
x2f1 0.34938 0.05306 6.585 1.94e-08 ***
x3f2 -0.27750 0.05306 -5.230 2.82e-06 ***
x3f3 -0.31187 0.05306 -5.878 2.67e-07 ***
x3f5 -0.26312 0.05306 -4.959 7.40e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.1501 on 54 degrees of freedom
Multiple R-squared: 0.7511, Adjusted R-squared: 0.7096
F-statistic: 18.1 on 9 and 54 DF, p-value: 2.197e-13
> AIC(mod2)
[1] -50.02087
Wie ist das zu lesen? Beispiel
- Code: Alles auswählen
x1f1 0.14563 0.05306 2.745 0.00821 **
x1f1.5 0.34562 0.05306 6.514 2.53e-08 ***
x1f2 0.39375 0.05306 7.421 8.53e-10 ***
bedeutet "Wenn
Das sollte sich alles so 1-zu-1 in eine frische R-Session kopieren lassen und laufen.
Hoffe, Du kannst damit was anfangen,
LG,
Bernhard
PS: Ich habe noch einen Versuch mit quadratischen Termen gemacht, also
Das ist mit adjustiertem R^2 und AIC fast genausogut wie das Faktorenmodell, könnte aber sinnvoller sein, wenn Vorhersagen für Zwischenwerte zwischen den untersuchten geplant sind.