Bonjour à tous,
Dans un cadre scolaire, je dois étudier les fameuses données Ozone.
Dans ces données, il a des données quantitatives et des données qualitatives. Ma question: est-ce que je peux mélanger ces deux types de données dans mon lm ?
Merci
Inscrivez-vous gratuitement
pour pouvoir participer, suivre les réponses en temps réel, voter pour les messages, poser vos propres questions et recevoir la newsletter
LM regression linéaire
Bonjour à tous,
Dans un cadre scolaire, je dois étudier les fameuses données Ozone.
Dans ces données, il a des données quantitatives et des données qualitatives. Ma question: est-ce que je peux mélanger ces deux types de données dans mon lm ?
Merci
Bonjour,
Comme vous vous en doutez sûrement, cela ne vous aidera pas à progresser que nous fassions vos devoirs à votre place.
Ce que je vous propose c'est, dans un premier temps, de nous présenter vos données (tout le monde ne connait peut-être pas les "fameuses" données Ozones) : noms et types des variables, court extrait du jeu de données, ...
Ensuite, vous pourrez nous dire ce que vous souhaitez faire et quelle(s) analyse(s) statistique(s) vous envisagez d'utiliser pour réaliser cela. Nous pourrons ainsi être à même de vous conseiller des fonctions R appropriées à votre cas particulier.
De plus, si vous avez essayé quelques manipulations sous R, n'hésitez pas à poster votre code avec les éventuels messages d'erreur.
Bonne continuation
Cordialement,
A.D.
Forum R
Fournir le code utilisé (pensez aux balises code !), les packages nécessaires, ainsi qu'un court mais représentatif extrait du jeu de données et les éventuels messages d'erreur.
Recherche d'informations concernant R : RSiteSearch / tutoriels : http://r.developpez.com/cours/ .
Pensez également au bouton "Résolu" et à voter (en bas à droite des messages) lorsque vous avez obtenu une réponse satisfaisante.
Bien sûr que je ne veux pas que vous fassiez mon devoir
Voici un head qui donne:
Code : Sélectionner tout - Visualiser dans une fenêtre à part ozone=read.table("http://www.agrocampus-ouest.fr/math/livreR/ozone.txt")
Je voudrais dans un premier temps faire une régression avec toutes les variables. La variable à expliquer étant maxO3.
Code : Sélectionner tout - Visualiser dans une fenêtre à part
2
3
4
5
6
7
8maxO3 T9 T12 T15 Ne9 Ne12 Ne15 Vx9 Vx12 Vx15 maxO3v vent pluie 20010601 87 15.6 18.5 18.4 4 4 8 0.6946 -1.7101 -0.6946 84 Nord Sec 20010602 82 17.0 18.4 17.7 5 5 7 -4.3301 -4.0000 -3.0000 87 Nord Sec 20010603 92 15.3 17.6 19.5 2 5 4 2.9544 1.8794 0.5209 82 Est Sec 20010604 114 16.2 19.7 22.5 1 1 0 0.9848 0.3473 -0.1736 92 Nord Sec 20010605 94 17.4 20.5 20.4 8 8 7 -0.5000 -2.9544 -4.3301 114 Ouest Sec 20010606 80 17.7 19.8 18.3 6 6 7 -5.6382 -5.0000 -6.0000 94 Ouest Pluie
Mélangeant variables quantitatives et qualitatives, est-ce que ceci a un sens:
reg=lm(maxO3~T9+T12+T15+Ne9+Ne12+Ne15+Vx9+Vx12+Vx15+maxO3v+vent+pluie)?
Dois-je au préalable faire un traitement sur les variables qualitatives pour les mettre au format numérique?
Le problème est que je ne sais pas trop ce que je fais, je ne maîtrise pas du tout le logiciel et je ne maîtrise pas non plus très très bien tout ça. Mon gros problème dans tout ça, ce sont les variables qualitatives ... J'ai limite envie de les retirer et de les oublier...
Merci.
Hello,
Dans R, les variables qualitatives ont le type factor et, sur un data.frame, vous pouvez utiliser la commande str() afin de connaître le type de chaque variable.
La fonction read.table() a assigné automatiquement un type à chaque variable et la première chose à faire est de vérifier si c'est bien correct. Afin de modifier, utilisez les commandes as.numeric() , as.factor(), ... Allez voir l'aide de R.
Code : Sélectionner tout - Visualiser dans une fenêtre à part
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Pour le modèle linéaire, non il n'est pas nécessaire de transformer les variables qualitatives en quantitatives. Allez pour vous mettre sur la piste, un petit exemple...
La variable vent est un facteur de 4 niveaux et, dans cette exemple, R a créé automatiquement 3 variables: ventNord , ventOuest et ventSud. Le niveau est est ici la référence et le coefficient 5.42028 de la variable ventSud signifie que, comparé à un vent d'est et si toutes les autres variables du modèle restent fixe, si le vent vient du sud alors il y aura en moyenne une augmentation de 5.42 du niveau de maxO3. Voilà, bonne continuation... Mais attention, à la p-valeur des coefficients!
Code : Sélectionner tout - Visualiser dans une fenêtre à part
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33> ozone<-read.table("http://www.agrocampus-ouest.fr/math/livreR/ozone.txt") > summary(lm(maxO3~.,data=ozone)) Call: lm(formula = maxO3 ~ ., data = ozone) Residuals: Min 1Q Median 3Q Max -51.814 -8.695 -1.020 7.891 40.046 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 16.26536 15.94398 1.020 0.3102 T9 0.03917 1.16496 0.034 0.9732 T12 1.97257 1.47570 1.337 0.1844 T15 0.45031 1.18707 0.379 0.7053 Ne9 -2.10975 0.95985 -2.198 0.0303 * Ne12 -0.60559 1.42634 -0.425 0.6721 Ne15 -0.01718 1.03589 -0.017 0.9868 Vx9 0.48261 0.98762 0.489 0.6262 Vx12 0.51379 1.24717 0.412 0.6813 Vx15 0.72662 0.95198 0.763 0.4471 maxO3v 0.34438 0.06699 5.141 1.42e-06 *** ventNord 0.53956 6.69459 0.081 0.9359 ventOuest 5.53632 8.24792 0.671 0.5037 ventSud 5.42028 7.16180 0.757 0.4510 pluieSec 3.24713 3.48251 0.932 0.3534 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 14.51 on 97 degrees of freedom Multiple R-squared: 0.7686, Adjusted R-squared: 0.7352 F-statistic: 23.01 on 14 and 97 DF, p-value: < 2.2e-16
A++
Répondre avec citation
Partager