Error : 잔차 ( 잔차? : 실제 y값과 회귀식에서 x를 넣은 y값의 차이 ) 각 계수별로 t검정을 해주는데 H0 : 계수는 상관관계가 없다. ( 기울기가 0이다. ) predict() : 회귀모델의 예측치 생성 x=4일 때 y값을 알려줌. dataframe형태로 넣어야
함.
또 다른 실습
나한테 있는 product데이터를 써보자. 제품 친밀도, 제품 적절성에 따른 제품 만족도 알아보기.
1) 단순 회귀분석
* 참고 - names() : 함수 목록을 확인할 수 있다.
fitted.values() : 모델의 적합값 residuals() : 잔차 ( 실제관측값 - x값을 넣었을 때 나오는 y값 )
시각화 plot() 사용하면 실제 값 점 찍힌거 볼 수 있다. abline() : 회귀식 선
그려줌.
결과는 summary()로 본다. 분석은 맨 아래 다중회귀분석 사진으로 요약하겠음!!
다중회귀분석
: 여러 개의 독립변수가 한 개의 종속변수에 영향을 미칠 때 이번엔 x1, x2 두개를 독립변수로 지정.
★ 결론 ★
친밀도, 적절성 모두 p-value가 0.05보다 작으므로 H0 기각. 둘 다 제품만족도에 영향을 미친다고 볼 수 있다. 그리고 R-squared는 결정계수인데 독립변수가 종속변수를 설명하는 정도임! Multiple R-squared와 Adjusted
R-squared의 차이는 Adjusted는 가공된(?)거라고 한다.. 그래서 보통 Adjusted를 쓴다고 함. 그니까 여기서는 독립변수가 종속변수를 59.5% 설명한다고 보면 됨. 맨 아래 p-value는 회귀모형의 적합도에 대한 p-value이다. H0 기각이므로 회귀모형이 적합하다고 볼 수 있다.
