summary() 함수의 결과 - 회귀모델, 해석하기

 

 

 

summary() 함수의 결과 - 회귀모델

 

> summary(m) Call: lm(formula = dist ~ speed, data = cars) Residuals:     Min      1Q  Median      3Q     Max -29.069  -9.525  -2.272   9.215  43.201 Coefficients:             Estimate Std. Error t value Pr(>|t|)    (Intercept) -17.5791     6.7584  -2.601   0.0123 *  speed         3.9324     0.4155   9.464 1.49e-12 *** --- Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 15.38 on 48 degrees of freedom Multiple R-squared:  0.6511,        Adjusted R-squared:  0.6438 F-statistic: 89.57 on 1 and 48 DF,  p-value: 1.49e-12
>

 

항목	설명
Call:	·         회귀분석에 사용된 모델 식 ·         어떤 포뮬러를 사용해 수행했는지 알려줍니다.
Residuals:	·         잔차 ·         회귀선의 값과 실제 관측 값의 차이를 각 분위수로 표시합니다.
Coefficients:	·         절편 ·         독립변수 등에 대한 회귀계수(모델의 계수)와 이 계수들의 통계적 유의성을 표시합니다.
Residual standard error	·         잔차의 표준오차와 자유도를 나타냅니다.
Multiple R-squared:	·         결정 계수(R-squared) ·         R2으로도 표시합니다. ·         추정된 회귀선이 '실제 관측 값을 얼마나 잘 설명하는가'를 나타냅니다. ·         0에서 1사이의 값을 가지며 1은 실제 관측값들이 회귀선 상에 위치함을 의미합니다. ·         Multiple R-squared, Adjusted R-squared는 모델이 데이터의 분산을 얼마나 설명하는지를 알려줍니다.
Adjusted R-squared:	·         수정된 결정 계수(Adjusted R-squred) ·         주로 다중회귀분석에서 독립변수를 증가시키면 결정계수가 올라가는 것에 대한 대안으로 사용합니다. ·         모델이 대상 변수의 몇 %l를 설명하는지를 확인합니다. ·         결정계수(Multiple R-squared)와 차이가 크면 회귀모형을 재검토해야 합니다.
F-statistic:	·         F 통계량 ·         모델이 통계적으로 얼마나 의미가 있는지(유의성)를 알려줍니다. ·         계수 중 하나라도 0이 아닌 것이 있다면 그 모형은 유의미하다고 판단합니다. ·         F 통계량은 MSR/MSE의 비율을 F 분포를 사용해 검정한 것입니다. ·         summary()가 보여주는 F 통계량은 anova() 함수를 사용해 직접 구할 수 있습니다. ·         t value의 값을 제곱한 값이 F 통계량입니다.
p-value	·         각 변수가 대상 변수에 유의하게 영향을 미치는 지를 확인하기 위해 사용합니다. ·         p-value를 보면 0.05하에 있으면 모형은 유의합니다. ·         0.05보다 작은 경우 각 변수는 유의하게 결과 변수를 설명한다고 볼 수 있습니다.