R语言中的线性回归及相关性分析

R语言中的线性回归及相关性分析

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，我们可以使用内置的函数来进行简单线性回归模型的拟合、预测和相关性分析。本文将介绍如何使用R语言进行简单线性回归模型的建立、参数估计、预测以及相关性分析。

1. 数据准备
   首先，我们需要准备用于回归分析的数据。假设我们有一个包含自变量X和因变量Y的数据集。我们可以通过以下方式创建一个示例数据集：

# 创建示例数据集
X <- c(1, 2, 3, 4, 5)
Y <- c(2, 4, 5, 4, 5)

2. 拟合线性回归模型
   接下来，我们可以使用lm()函数来拟合线性回归模型。lm()函数的第一个参数是模型的公式，指定因变量和自变量的关系。我们可以使用~符号来表示模型公式。下面是一个拟合简单线性回归模型的例子：

# 拟合线性回归模型
model <- lm(Y ~ X)

3. 查看回归结果
   拟合完成后，我们可以使用summary()函数来查看回归结果的摘要统计信息，包括回归系数的估计值、标准误差、t值和p值等。

# 查看回归结果摘要
summar