y <- c(8,13,12,11,9,8,7,13,11,13)
x1 <- c(-1,-1,-1,-1,1,1,1,1,0,0)
x2 <- c(-1,1,1,1,-1,-1,-1,1,0,0)
m.f <- lm(y~x1+x2)
m.r <- lm(y~factor(x1):factor(x2))
anova(m.f, m.r)
最后一列即为所求。
重点就在于 m.r 的自变项是一个“所有 x1 与 x2 的组合”。
在 R 中的 formula 采取“:”字符有相同功能。
如果不够直白的话，可以看看以下的操作，结果是一样的。
x12 <- paste(x1, x2, sep="&")
m.r1 <- lm(y~factor(x12))
anova(m.f, m.r1)
※ 引述《DrRd (就这样吧)》之铭言：
: [问题类型]:
: 程式咨询(我想用R 做某件事情，但是我不知道要怎么用R 写出来)
: [软件熟悉度]:
: 入门(写过其他程式，只是对语法不熟悉)
: [问题叙述]:
: 用R来执行多元回归的lack of fit test
: 在网络上找到的方法是单回归用的，多元回归不知道怎么做
: [程式范例]:
: reduce.mod = lm(y ~ x)
: full.mod = lm(y ~ 0 + as.factor(x))
: anova(reduce.mod, full.mod)
: 但多元回归不能把full.mod写成 lm(y ~ 0 + as.factor(x1) + as.factor(x2))
: 这样出来的自由度是错的
: [关键字]:
:
: lack of fit
: