interpretation lm() avec R

bonjours à vous,
j'ai une variable avec 4 modalités N<F<S<T j'ai fais un lm()
et j'ai cette sortie

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Call: lm(formula = jaz.dat$Q3_Tps_Sdb ~ jaz.dat$Age + jaz.dat$Cdt.Sdb)   Residuals: Min 1Q Median 3Q Max -128.733 -41.924 -3.064 48.308 126.267   Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 13.940 43.011 0.324 0.749406 jaz.dat$Age 5.465 1.136 4.811 0.000121 *** jaz.dat$Cdt.Sdb.L 147.942 28.218 5.243 4.63e-05 *** jaz.dat$Cdt.Sdb.Q -9.657 27.523 -0.351 0.729548 jaz.dat$Cdt.Sdb.C 35.083 30.000 1.169 0.256686 --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1   Residual standard error: 67.37 on 19 degrees of freedom Multiple R-squared: 0.8017, Adjusted R-squared: 0.76 F-statistic: 19.2 on 4 and 19 DF, p-value: 1.819e-06

---

que signifie jaz.dat$Cdt.Sdb.L, jaz.dat$Cdt.Sdb.Q,jaz.dat$Cdt.Sdb.C
pour écrire mon équation sa donne:

Code:

---

1 2	Q3= 13.940+ 5.465 (Age)+ 147.942(Cdt.Sdb.L)-9.657(Cdt.Sdb.Q)+35.083(Cdt.Sdb.C)

---

comment donner une valeur au Cdt.Sdb sachant que c'est des caractères au départ

:oops:

Bonjour,

Réponse tardive en espérant que ça puisse encore aider...

Si c'est vraiment l'approche que tu souhaites utiliser et si tu es certain que ce sont les coefficients réels (attention au contrast utilisé), tu devrais pouvoir faire :

Code:

---

1 2 3 4

with(jaz.dat, 13.940 + 5.465 * (Age) + 147.942 * (Cdt.Sdb == "L") - 9.657 * (Cdt.Sdb == "Q") + 35.083 * (Cdt.Sdb == "C"))

---

Dans ce cas, chaque test de la forme

Code:

---

(Cdt.Sdb == "L")

---

(qui retourne TRUE ou FALSE) est interprété comme 0 ou 1.

Ça reste néanmoins du bricolage. En plus, je soupçonne qu'il te manque un coefficient (encore ces histoires de contrast).

Je te recommande donc d'utiliser la fonction predict (ici avec des données "inventées") :

Code:

---

1 2 3 4 5 6 7

> obj.lm <- lm(Q3_Tps_Sdb ~ 1 + Age + Cdt.Sdb, data=jaz.dat) >   > ## Données prédites par le modèle ; par défaut pour les observations utilisées pour l'ajustement : > predict(obj.lm) 1 2 3 4 5 6 7 8 9 10 69.863 65.418 315.788 369.552 376.923 194.672 538.967 158.323 549.897 480.758

---

Et les prédictions pour de nouvelles données :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

> predict(obj.lm, + newdata=data.frame(Age=c(10, 23), + Cdt.Sdb = factor(c("L", "Q"), + levels=c("L", "Q", "C")))) 1 2 216.532 129.978   > ## Pour info, voila à quoi ressemblent la data.frame : > data.frame(Age=c(10, 23), + Cdt.Sdb = factor(c("L", "Q"), + levels=c("L", "Q", "C"))) Age Cdt.Sdb 1 10 L 2 23 Q

---