Een lineair regressie model maken met de lm() functie

Met de lm() functie kun je in R een lineair model maken. De functie vul je als volgt: lm(<AFHANKELIJKE VARIABELE> ~ <VERKLARENDE VARIABELE>, <NAAM VAN DE DATASET>). Je kunt elke numerieke variabele gebruiken voor de regressie. Bijvoorbeeld:

attach(Projecten)

## The following objects are masked from Projecten2 (pos = 4):
## 
##     AfstandKlant, OpbrengstProject, TevredenheidKlant,
##     UrenProject, Winst

## The following objects are masked from Projecten (pos = 7):
## 
##     AfstandKlant, Materiaalkosten, OpbrengstProject,
##     Personeelskosten, TevredenheidKlant, UrenProject, Winst

## The following objects are masked from Projecten2 (pos = 8):
## 
##     AfstandKlant, OpbrengstProject, TevredenheidKlant,
##     UrenProject, Winst

lm(TevredenheidKlant ~ AfstandKlant, Projecten)

## 
## Call:
## lm(formula = TevredenheidKlant ~ AfstandKlant, data = Projecten)
## 
## Coefficients:
##  (Intercept)  AfstandKlant  
##     2.524811     -0.003409

De lm() functie geeft een formule terug.

Het geschatte model

Om het lineaire model te kunnen beoordelen, kun je een object maken van het model. In het onderstaande voorbeeld wordt deze bijvoorbeeld model1 genoemd.

model1 <- lm(TevredenheidKlant ~ AfstandKlant, Projecten)

In dit voorbeeld wordt de tevredenheid van de klant verklaard met de afstand die tussen het bedrijf en de klant is. R geeft aan de hand van de regressie de volgende formule: TevredenheidKlant = 2.524811 + - 0,003409x, waarbij x staat voor het aantal kilometers. Deze formule is een schatting van het werkelijke model om TevredenheidKlant te kunnen voorspellen.