r语言中直接对回归模型做图得到的四个图分别有什么统计意义

Python020

r语言中直接对回归模型做图得到的四个图分别有什么统计意义,第1张

（1）plot(lm.ridge(GDP~Consume+Investment+IO+Population+Jobless+Goods,data=dat,lambda=seq(0,0.3,0.001)))#和线性回归类似，这个plot可以画出岭迹图，lambda=seq(0,0.3,0.001)设置范围和间隔，可以观察岭迹图，人工选择，但是这样主观性较强。（2）select(lm.ridge(GDP~Consume+Investment+IO+Population+Jobless+Goods,data=dat,lambda=seq(0,0.3,0.001)))#利用select函数找出最优岭参数lambda,会有三个值，任选一个即可。lm.ridge(GDP~Consume+Investment+IO+Population+Jobless+Goods,data=dat,lambda=0.09)#通过（1）或（2）把选取的lmbda参数写到岭回归函数中去，在这里lambda=0.09。

cor()函数可以提供双变量之间的相关系数，还可以用scatterplotMatrix()函数生成散点图矩阵

不过R语言没有直接给出偏相关的函数；

我们要是做的话，要先调用cor.test()对变量进行Pearson相关性分析，

得到简单相关系数，然后做t检验，判断显著性。