แบบจำลองการถดถอย

การวิเคราะห์การถดถอยเป็นเทคนิคทางสถิติที่ใช้สร้างแบบจำลองความสัมพันธ์ระหว่างตัวแปร ช่วยทำนายผลลัพธ์และค้นหารูปแบบในข้อมูล

การถดถอยเชิงเส้นสร้างแบบจำลองความสัมพันธ์ระหว่างตัวแปรตามและตัวแปรอิสระโดยใช้เส้นตรง

model <- lm(mpg ~ hp, data=mtcars)
summary(model)

ใช้ abline() เพื่อเพิ่มเส้นการถดถอยลงในแผนภาพกระจาย

plot(mtcars$hp, mtcars$mpg)
abline(model, col='red')

การถดถอยพหุคูณใช้ตัวแปรอิสระมากกว่าหนึ่งตัวเพื่ออธิบายความแปรผันของตัวแปรตาม

model_multi <- lm(mpg ~ hp + wt, data=mtcars)
summary(model_multi)

ใช้ summary() เพื่อประเมินคุณภาพของแบบจำลองการถดถอย รวมถึงค่า R-squared และค่า p

summary(model_multi)

การถดถอยโลจิสติกสร้างแบบจำลองผลลัพธ์เชิงกลุ่มแบบทวิภาค (เช่น สำเร็จเทียบกับล้มเหลว)

data(mtcars)
mtcars$am <- as.factor(mtcars$am)
model_logit <- glm(am ~ hp + wt, data=mtcars, family='binomial')
summary(model_logit)

ใช้ predict() เพื่อสร้างคำทำนายจากแบบจำลองการถดถอยที่ผ่านการฝึกแล้ว

predict(model_multi, newdata=data.frame(hp=120, wt=3))

แบบจำลองการถดถอยตั้งสมมติฐานว่าข้อมูลมีการแจกแจงปกติ ความแปรปรวนคงที่ และข้อผิดพลาดเป็นอิสระต่อกัน ให้ตรวจสอบแผนภาพส่วนเหลือเพื่อประเมินความถูกต้อง

plot(model_multi$residuals)

ในบทเรียนนี้ คุณได้เรียนรู้:

• วิธีทำการถดถอยเชิงเส้นและการถดถอยพหุคูณ
• วิธีประเมินประสิทธิภาพของแบบจำลองการถดถอย
• วิธีทำนายค่าใหม่โดยใช้แบบจำลองการถดถอย