Problème LM

Bonsoir ,

J'ai un problème lors d'utilisation d'un modèle linéaire multiple suivant:

< Call:
lm(formula = DV_max ~ D_R + D_L + D_RL + C_L + C_RL + H_L + A_RL,
data = AST_Rei16)

Residuals:
Min 1Q Median 3Q Max
-2.3200 -0.9490 -0.0169 0.5085 5.2056

Coefficients: (4 not defined because of singularities)
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.745 2.088 2.272 0.0237 *
D_R 30.720 3.801 8.083 1.18e-14 ***
D_L -31.100 3.981 -7.812 7.42e-14 ***
D_RL -13.254 1.542 -8.598 3.22e-16 ***
C_L NA NA NA NA
C_RL NA NA NA NA
H_L NA NA NA NA
A_RL NA NA NA NA
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.573 on 333 degrees of freedom
Multiple R-squared: 0.6834, Adjusted R-squared: 0.6805
F-statistic: 239.6 on 3 and 333 DF, p-value: < 2.2e-16 >

le problème est que les estimations des autres variables n'affichent pas (s'affiche NA) malgré qu'ils sont bien définie dans le base,
Quelqu'un parmi vous rencontre ce type de problème?

Merci bien d'avance.

Bonjour,

Ce phénomène peut se produire si tes variables sont des combinaisons linéaires des autres. Par exemple :

Code:

> y <- rnorm(100)
x <- rnorm(100)
x2 <- 2*x+2
lm(y~x+x2)

Call:
lm(formula = y ~ x + x2)

Coefficients:
(Intercept)            x          x2 
    0.04067    -0.03136          NA

Ici x2 est une combinaison linéaire de x et son coeff est NA, parce que toute l'info contenue par x2 l'est aussi par x.

Cdlt

Bonjour,

Désolé est ce que tu as idée comment je peux réagir dans ce cas ! car mon but est de tester le modèle global (qui marche sur le 45 arbres ensemble) sur chaque arbre seul ?

Merci beaucoup d'avance.

je ne vois pas trop ce que tu veux faire. Tu peux détaillé un peu plus, pareil pour tes données.

Mon but est de trouver un Modèle adéquat applicable pour tous les arbres.Bon je te donne une idée général de ce que j'ai déjà faire , j'ai 45 arbres et après plusieurs essais je trouve un modèle M1 qui pareil ressemble mieux avec tous les arbres chaque seul c la première étape ,en deuxième étapes j'ai cherché les relations qui peuvent existe entre des paramètres(obtenue pour l'estimation de chaque arbre seul avec M1) et d'autre variables(qui caractérise de plus l'arbre) afin d'injecté c relation dans le modèle globale M.
C claire jusqu’à ici ?