解释R中的回归系数

Question

我正在尝试将ax*log(x)模型拟合到数据中.拟合成功完成但我在解释结果系数时遇到困难.这是我的代码的快照.

x <- c(6, 11, 16, 21, 26, 31, 36, 41, 46, 51)
y <- c(5.485, 6.992, 7.447, 8.134, 8.524, 8.985, 9.271, 9.647, 10.561, 9.971)

fit <- lm(y ~ x*log(x))
coef(fit)
> (Intercept)           x      log(x)    x:log(x) 
3.15224227  0.10020022  1.12588040 -0.01322249

我应该如何解释这些系数？我们称他们为a,b,c,d.我应该把它们放在公式"x*log(x)"中？

Answer 1

如上所述,您拟合的模型是

E(y) = a + b*x + c*log(x) + d*x*log(x)

如果您确实想要拟合模型a + b*x*log(c*x),则需要相应地确定a + b*x*(log(c)+log(x)) = a + b*log(c)*x + b*x*log(x),拟合y ~ x + x:log(x)和反向计算参数.

或者您可能感兴趣y~I(x*log(x))？

你真正想要的模特是什么？