R语言计算回归模型的决定系数（R方）

R语言计算回归模型的决定系数（R方）

回归分析是一种常用的统计方法，用于建立变量之间的关系模型。在回归分析中，我们经常需要评估模型的拟合程度，以确定模型的预测能力。其中，决定系数（R方）是一种常见的评估指标，它可以帮助我们衡量模型对观测数据的解释能力。本文将介绍如何使用R语言计算回归模型的R方。

在R语言中，我们可以使用lm()函数建立回归模型。接下来，我们将使用一个示例数据集来演示如何计算R方。假设我们有一个数据集，其中包含自变量x和因变量y的观测值。

首先，我们需要加载数据集并建立回归模型：

# 加载数据集
data <- read.csv("data.csv")

# 建立回归模型
model <- lm(y ~ x, data = data)

上述代码中，我们使用read.csv()函数加载名为"data.csv"的数据集，并使用lm()函数建立回归模型。回归模型的公式为"y ~ x"，表示因变量y与自变量x之间的线性关系。

接下来，我们可以使用summary()函数获取回归模型的统计摘要信息，其中包括R方的值：

# 获取回归模型的统计摘要
summary(model)

运行上述代码后，我们将获得回归模型的统计摘要信息。其中包括了各个系数的估计值、标准误差、t值、p值以及R方的值。

在统计摘要信息中，可以找到R方的值。R方的范围在0到1之间，越接近1表示模型对数据的解释能力越强。在摘要信息的输出中，可以找到名为"R-squared"的项，