基于R语言求解多元回归分析中D、E、F及A-K值的技术问询
2026-5-21
多元回归未知统计量求解（R语言实操版）
咱们先把手头的已知条件和核心计算逻辑理清楚，再逐个破解那些被字母替换的统计量：
已知前提
- 样本量
n=25，预测变量为X1、X2、X3（共3个） - 残差自由度
df_residual = n - 预测变量数 - 1 = 25 - 3 - 1 = 21，这个是t检验和F检验的关键自由度参数
系数表未知值计算（对应D、E、F等）
系数表的核心关系是：t值 = Estimate / Std. Error，而Pr(>|t|)是双侧t检验的p值，用R语言可以直接计算。
1. X1的Pr(>|t|)（假设为D）
已知X1的Estimate=-1.17573，Std.Error=0.31557，已算出t值=-3.72573，计算p值：
# 双侧t检验p值：2倍的单侧左尾概率 D <- 2 * pt(-abs(-3.72573), df=21) round(D, 5) # 结果约为0.00110
2. 假设X2的Estimate为E（已知Std.Error=0.28412，t值=2.156）
根据t值 = Estimate / Std. Error，反推Estimate：
E <- 2.156 * 0.28412 round(E, 4) # 结果约为0.6125
对应的X2的Pr(>|t|)（假设为F）：
F <- 2 * pt(-2.156, df=21) round(F, 4) # 结果约为0.0428
3. 假设X3的Std.Error为A（已知Estimate=0.52147，t值=1.893）
反推Std.Error：
A <- 0.52147 / 1.893 round(A, 4) # 结果约为0.2755
对应的X3的Pr(>|t|)（假设为B）：
B <- 2 * pt(-1.893, df=21) round(B, 4) # 结果约为0.0729
ANOVA表未知值计算（对应A-K中的其余项）
ANOVA表的核心关系如下，咱们用常见的变量对应来解释：
| 项 | 自由度(Df) | 平方和(Sum Sq) | 均方(Mean Sq) | F值 | Pr(>F) |
|---|---|---|---|---|---|
| Regression | df_reg=3 | SSR | MSR=SSR/df_reg | F=MSR/MSE | 右侧F概率 |
| Residuals | df_res=21 | SSE | MSE=SSE/df_res | - | - |
| Total | 24 | SST=SSR+SSE | - | - | - |
示例计算（假设已知SST=50，SSR=35）
- 残差平方和SSE（假设为D）：
D = SST - SSR = 50 - 35 = 15 - 回归均方MSR（假设为H）：
H = 35 / 3 ≈ 11.6667 - 残差均方MSE（假设为E）：
E = 15 / 21 ≈ 0.7143 - F值（假设为I）：
I = 11.6667 / 0.7143 ≈ 16.333 - Pr(>F)（假设为J）：
J <- pf(16.333, df1=3, df2=21, lower.tail=FALSE) round(J, 6) # 结果约为0.000007
- 回归自由度（假设为C）：
C=3，残差自由度（假设为K）：K=21
验证小技巧
如果有完整的数据集，你可以用R语言拟合模型后直接对比计算结果：
# 假设你有数据框df，包含Y、X1、X2、X3 model <- lm(Y ~ X1 + X2 + X3, data=df) summary(model) # 查看系数表所有统计量 anova(model) # 查看ANOVA表所有统计量
这样就能快速验证咱们手动计算的结果是否准确啦~
内容的提问来源于stack exchange，提问作者Евгений Шалаев
相关产品推荐
相关产品推荐
