相関行列、重回帰分析

放送大学「心理統計法」第13章　回帰直線の当てはまり

x1<-c(10,9,9,8,7,7,6,5,5)
x2<-c(5,4,3,4,4,3,2,2,3)
y<-c(8,7,6,7,6,6,5,4,3)
d<-data.frame(x1,x2,y)

ピアソンの積率相関

アクティブデータセットをd に変更
Rコマンダー
統計量～要約～相関行列(ピアソンの積率相関)

表をhtmlで書き出す場合

library(knitr)
kable(cor(d[,c("x1","x2","y")], use="complete"),digits=4)

	x1	x2	y
x1	1.0000	0.7627	0.9165
x2	0.7627	1.0000	0.7729
y	0.9165	0.7729	1.0000

偏相関

Rコマンダー
統計量～要約～相関行列(偏相関)

表をhtmlで書き出す場合

library(knitr)
kable(partial.cor(d[,c("x1","x2","y")], use="complete")$R,digits=4)

	x1	x2	y
x1	0.0000	0.2142	0.7969
x2	0.2142	0.0000	0.2853
y	0.7969	0.2853	0.0000

Model<- lm(y~x1+x2)
stargazer(Model,type="html",single.row=T)

	Dependent variable:
	y
x1	0.678 (0.210)
x2	0.276 (0.378)
Constant	-0.115 (1.025)
Observations	9
R2	0.853
Adjusted R2	0.804
Residual Std. Error	0.692 (df = 6)
F Statistic	17.416* (df = 2; 6)
Note:	p<0.1; p<0.05; p<0.01< td="">