使用R语言进行回归分析

1、线性回归的基本函数

lm<-lm(formula,data=data.frame)
#其中formula为回归公式，data为数据源数据框
#例如：
lm<-lm(y~x1+x2,production)

2、与线性模型相关的函数

print()
原本为打印函数，当参数为线性模型对象时，会打印出模型中的系数以及截距值。

基于线性模型操作的对象有很多，比如：predict、summary、kappa、residuals、step、plot、print以及effects、coef、formula、labels、anova等
这里介绍常用的几个函数以及含义：
predict()
predict即预测函数，形式为predict(object、newdata=data.frame)输入线性模型对象，以及新的预测数据集，
即可以利用已经形成的线性模型进行预测

print()
原本为打印函数，当参数为线性模型对象时，会打印出模型中的系数以及截距值。

plot()
绘制回归诊断图，显示残差，拟合值以及一些诊断情况

formula()
提取公式，输入模型后输出模型起初的设定公式，例如y~x

residuals()
为计算残差值，输出对应每个自变量的残差结果

step()
做逐步回归分析，按照AIC最小值选择模型

summary()
返回模型的综合拟合结果,包括残差标准误、R方值，显著性，回归系数等

3、线性回归的基本参数估计及显著性检验

首先可以