这个线性回归总结告诉我们什么?

数据挖掘 r 预测建模 线性回归
2021-09-27 20:26:06

我刚开始在 R 中学习预测建模,但是我确实理解下面的一些术语,但我缺乏更多的解释,只是想知道专业统计学家或数据科学家从中解释了什么。怎么看?

> summary(model)

Call:
lm(formula = comp$Minutes ~ comp$Units)

Residuals:
    Min      1Q  Median      3Q     Max 
-9.2318 -3.3415 -0.7143  4.7769  7.8033 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)    4.162      3.355    1.24    0.239    
comp$Units    15.509      0.505   30.71 8.92e-13 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 5.392 on 12 degrees of freedom
Multiple R-squared:  0.9874,    Adjusted R-squared:  0.9864 
F-statistic: 943.2 on 1 and 12 DF,  p-value: 8.916e-13
1个回答

全局检验表明该模型是显着的,因为 p 值非常低,即 p 值:8.916e-13,alpha 水平为 0.05。分钟的 98.64% 的可变性由单位描述。单位对预测分钟数的影响很大。Units 每增加一个单位值,Minutes 增加 15.509。