使用 R 使用 LM 函数回归时遇到问题


  No  Issuer     LR1     LR2      LR3       LR4      LR5     DR1
  1  CompanyA 1.41470 1.32430 -0.16422 139.30633  8.49702 0.85071
  2  CompanyB 1.44627 0.42427  0.40415   8.77173  6.66632 0.53576
  3  CompanyC 1.54267 1.52505  0.81449 261.21500 35.86433 0.53681
  4  CompanyD 3.64603 2.70640  2.32230 107.33922  1.79202 0.48101
  5  CompanyE 1.00592 0.98415  0.78911  82.44725 27.00442 0.68071
  6  CompanyF 2.59738 1.70374  0.92933 145.01431  1.81996 0.43577
      DR2     DR3      AR1      AR2     AR3     AR4     AR5     PR1     PR2     PR3
 5.84882 0.60382  2.62012  8.49702 4.68022 0.51531 0.00822 0.06236 0.05199 0.01595
 1.15546 0.33039 41.61093  6.66632 4.04257 2.24779 0.00677 0.06957 0.00083 0.00301
 1.16084 0.40417  1.39732 35.86433 0.32469 0.21293 0.04110 0.33770 0.25534 0.19301
 0.92684 0.38246  3.40043  1.79202 1.10595 0.46242 0.03522 0.41886 0.14047 0.07617
 2.13194 0.60695  4.42707 27.00442 0.23780 0.19290 0.05958 0.42816 0.39135 0.30883
 1.00352 0.33506  2.51699  1.81996 1.07226 0.46796 0.04559 0.24596 0.16839 0.09742
       PR4     PR5     PR6      PR7     RR1     RR2 Rating
 -0.26783 0.00822 0.05651 -0.13802 0.00822 0.05651      4
  0.03071 0.00677 0.01460  0.06903 0.00677 0.01460      3
  0.02213 0.04110 0.08887  0.00471 0.04110 0.08887      3
  0.23080 0.03522 0.06787  0.10673 0.03522 0.06787      3
  0.09979 0.05958 0.18659  0.01925 0.05958 0.18659      3
  0.10664 0.04559 0.10498  0.04990 0.04559 0.10498      3

以上是使用 R 的head(data)。我想使用 SVM,但在此之前,我想回归数据。Y 是"评级"变量,位于最后一列,其余是 X,分别是 LR1,LR2,...,RR1,RR2。这是我的步骤:

x <- data[,3:24]
y <- data[,25]
lm <- (y~x)

但这是我从警告中得到的

Error in model.frame.default(formula = y ~ x, drop.unused.levels = TRUE) : 
  invalid type (list) for variable 'x'

我已经尝试了几次,包括首先使用data.frame(x),但结果是一样的。"评级"变量决定了公司的业绩,评级1是最好的表现,而4是最差的业绩。为什么我会遇到这样的麻烦?请帮忙谢谢

您可以使用"点"表示法将一个变量回归到所有其他变量,如下所示:

fit <- lm(Rating ~ ., data = data)
attach(data)
reg <- lm(Rating ~ LR1 + LR2 + ... + RR2, data=data)

或者您可以将 X 和 Y 分开。

x <- LR1+LR2+ ... + RR2
y <- Rating
reg <- lm(y~x, data=data)

最新更新