使用R语言构建单变量线性回归模型

使用R语言构建单变量线性回归模型

线性回归是一种常用的统计分析方法，用于建立自变量与因变量之间的线性关系模型。在R语言中，我们可以使用lm函数来构建单变量线性回归模型。本文将详细介绍如何使用R语言进行线性回归分析，并提供相应的源代码。

步骤 1：准备数据
首先，我们需要准备用于回归分析的数据。假设我们有一组关于自变量x和因变量y的观测数据，我们的目标是根据这些数据建立一个线性回归模型来预测y的值。

以下是一个示例数据集，包含了10个观测值：

# 创建示例数据
x <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
y <- c(3, 5, 7, 9, 11, 13, 15, 17, 19, 21)

步骤 2：构建回归模型
使用lm函数来构建回归模型。lm函数的基本语法如下：

model <- lm(formula, data)

• model：回归模型对象，用于存储回归模型的结果。
• formula：指定回归模型的公式，形式为"因变量 ~ 自变量"。
• data：包含观测数据的数据框或数据集。

对于我们的示例数据，我们可以使用以下代码构建回归模型：

# 构建回归模型
model <- lm(y ~ x, da