使用R语言计算回归模型的R方指标

使用R语言计算回归模型的R方指标

回归分析是一种常用的统计方法，用于研究自变量和因变量之间的关系。在回归分析中，R方（R-squared）是衡量模型拟合优度的常用指标之一。本文将介绍如何使用R语言计算回归模型的R方指标，并提供相应的源代码。

首先，我们需要准备回归分析所需的数据。为了演示目的，我们使用R的内置数据集mtcars，该数据集包含了一些汽车的性能数据。我们将以车辆的马力（hp）作为自变量，车辆的里程数（mpg）作为因变量，来构建回归模型。

以下是加载数据集并查看前几行数据的代码：

# 加载数据集
data(mtcars)

# 查看前几行数据
head(mtcars)

接下来，我们使用lm()函数创建回归模型。lm()函数的第一个参数是用公式表示的回归模型，公式的形式是"因变量 ~ 自变量"。在我们的例子中，回归模型可以表示为"mpg ~ hp"，即里程数（mpg）与马力（hp）之间的关系。

以下是创建回归模型的代码：

# 创建回归模型
model <- lm(mpg ~ hp, data = mtcars)

我们可以使用summary()函数查看回归模型的摘要信息，包括每个系数的估计值、标准误差、t值和p值等。

以下是查看回归模型摘要的代码：

# 查看回归模型摘要
summary(model)

在回归分析中，R方指标表示因变