جستجو کردن
Close this search box.

رگرسیون لگاریتمی در R

رگرسیون لگاریتمی در R
فهرست مطالب

در این مقاله قصد دارم به آموزش رگرسیون لگاریتمی در R بپردازم. تا انتهای این مقاله همراه کیارا آکادمی باشید تا آموزش نرم افزار R را به صورت کاربردی دریافت نمایید.

رگرسیون لگاریتمی چیست؟

رگرسیون لگاریتمی نوعی رگرسیون است که برای مدل‌سازی موقعیت‌هایی استفاده می‌شود که در آن رشد یا پوسیدگی ابتدا به سرعت سرعت می‌گیرد و سپس در طول زمان کند می‌شود. به عنوان مثال، نمودار زیر نمونه ای از واپاشی لگاریتمی را نشان می دهد:

برای این نوع موقعیت، رابطه بین یک متغیر پیش‌بینی‌کننده و یک متغیر پاسخ می‌تواند به خوبی با استفاده از رگرسیون لگاریتمی مدل‌سازی شود. معادله مدل رگرسیون لگاریتمی به شکل زیر است:

y = a + b*ln(x)

تحلیل فرمول بالا:

  • y: متغیر پاسخ
  • x: متغیر پیش بینی کننده
  • a, b: ضرایب رگرسیونی که رابطه بین x و y را توصیف می کند

مثال رگرسیون لگاریتمی در R

مثال گام به گام زیر نحوه انجام رگرسیون لگاریتمی در R را نشان می دهد.

تحلیل آماری

مرحله 1: ایجاد داده

ابتدا، اجازه دهید دیتا برای دو متغیر ایجاد کنیم: x و y:

x=1:15

y=c(59, 50, 44, 38, 33, 28, 23, 20, 17, 15, 13, 12, 11, 10, 9.5)

مرحله 2: نموداری برای داده ها ترسیم کنید:

در مرحله بعد، بیایید یک نمودار پراکندگی سریع برای تجسم رابطه بین x و y ایجاد کنیم:

plot(x, y)

از نمودار می توانیم ببینیم که یک الگوی واپاشی لگاریتمی واضح بین دو متغیر وجود دارد. مقدار متغیر پاسخ، y، ابتدا به سرعت کاهش می یابد و سپس با گذشت زمان کاهش می یابد. بنابراین، به نظر می رسد ایده خوبی برای برازش یک معادله رگرسیون لگاریتمی برای توصیف رابطه بین متغیرها باشد.

مشاوره پایان نامه و رساله

مرحله 3: برازش مدل رگرسیون لگاریتمی

سپس، از تابع lm برای برازش مدل رگرسیون لگاریتمی، با استفاده از log طبیعی x به عنوان متغیر پیش بینی و y به عنوان متغیر پاسخ استفاده می کنیم.

#مدل را برازش کنید

model <- lm(y ~ log(x))

#خروجی مدل را مشاهده کنید

summary(model)

رگرسیون لگاریتمی در R

مقدار F کلی مدل 828.2 است و مقدار p متناظر بسیار کوچک است (3.702e-13)، که نشان می دهد مدل به عنوان یک کل مفید است. با استفاده از ضرایب جدول خروجی، می بینیم که معادله رگرسیون لگاریتمی برازش شده به صورت زیر است:

y = 63.0686 – 20.1987 * ln(x)

آموزش جامع spss

می توانیم از این معادله برای پیش بینی متغیر پاسخ y بر اساس مقدار متغیر پیش بینی x استفاده کنیم. به عنوان مثال، اگر x = 12 باشد، پیش‌بینی می‌کنیم که y برابر 12.87 خواهد بود:

y = 63.0686 – 20.1987 * ln(12) = 12.87

امتیاز: با خیال راحت از این ماشین حساب رگرسیون لگاریتمی آنلاین برای محاسبه خودکار معادله رگرسیون لگاریتمی برای یک متغیر پیش بینی و پاسخ استفاده کنید.

مرحله 4: مدل رگرسیون لگاریتمی را تجسم کنید

در نهایت، می‌توانیم یک نمودار سریع برای تجسم اینکه مدل رگرسیون لگاریتمی چقدر با داده‌ها مطابقت دارد ایجاد کنیم:

#نقشه x در مقابل y

plot(x, y)

های آماری

#مقدار x را برای استفاده برای خط رگرسیون تعریف کنید

x=seq(from=1,to=15,length.out=1000)

#از مدل برای پیش بینی مقادیر y بر اساس مقادیر x استفاده کنید

y=predict(model,newdata=list(x=seq(from=1,to=15,length.out=1000)),interval=”confidence”)

همبستگی بین دو متغیر ترتیبی در R

#خط رگرسیون متناسب را به نمودار اضافه کنید (lwd عرض خط را مشخص می کند)

matlines(x,y, lwd=2)

رگرسیون لگاریتمی در R

می بینیم که مدل رگرسیون لگاریتمی کار خوبی برای برازش این مجموعه داده خاص انجام می دهد.

مطالعه منابع بیشتر رگرسیون لگاریتمی در R:

Logarithmic Regression in R (Step-by-Step)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *