R「線形回帰分析と統計モデル」page140,5.1

RM（リスト= LS（））
ライブラリ（車）
ライブラリ（MASS）
ライブラリー（openxlsx）
A = read.xlsx（ "data140.xlsx"）
のヘッド（A）は、
（A）を取り付け

　　

FM = LM（Y〜X1 + X2 + X3を、データ= A）＃1 モデル
VIF（FM）＃チェックモデル共線か

>のVif（FM）＃は、モデル共線かどうかを確認するため
のX1 X2 X3の
21.631451 21.894402 1.334751

結果は、共線性の存在を示しました

要約（FM）

 結果：

>要約（FM）

呼び出し：
LM（式= Y〜X1 + X2 + X3を、データ= A）

残差：
ミン1Q中央3Qマックス
-2.89129 -0.78230 0.00544 0.93147 2.45478

係数：
推定STD。エラーt値のPr（> | T |）
（インターセプト）3.2242 3.4598 0.932 0.361983
×1 0.9626 0.2422 3.974 0.000692 ***
X2 -2.6290 3.9000 -0.674 0.507606
×3 -0.1560 3.8838 -0.040 0.968338
---
有意性。コード：0 '***' 0.001 '**' 0.01 '*' 0.05 '' 0.1 '' 1

残差の標準誤差：自由1.446 21に度
の複数のR二乗：0.9186調整R二乗：0.907
F統計量：3で78.99及び21 DF、p値：1.328e-11

esti_ling = lm.ridge（Y〜X1 + X2 + X3を、データ= A、ラムダ=配列（0,1,0.1））＃ リッジ回帰
プロット（esti_ling）

　　

 

 K = 0.6を選択

K = 0.6 
X = CBIND（1、as.matrix（[2：4]））
、Yは= [5] 
B_ =解く（（T（X）％※％のX）+ K * DIAG（4） ）％※％T（X）％※％のY 
B_

　　

回帰係数：

> B_ 
         [1] 
    1.6188146 
×1 0.8262986 
×2 -0.3076330 
×3 1.0780444