R语言｜回归分析

Sperous_Tee

于 2018-11-16 23:37:08 发布

阅读量8.8k

点赞数 8

CC 4.0 BY-SA版权

文章标签： R语言

本文链接：https://blog.youkuaiyun.com/qq_21814361/article/details/84147109

本文通过一次作业详细总结了使用R语言进行回归分析的过程，包括利用lm()函数建立回归方程，计算回归系数及其95%置信区间，并用predict()函数进行预测值的计算。实践证明，记录和回顾对于巩固知识至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这篇博客主要根据一次作业来总结r语言进行回归分析的步骤，真的是好记忆不如“烂笔头”？？长时间不用就会忘记。

回归方程： $y=a+bx$

r语言进行回归分析时，可以使用lm()函数进行；

#使用r语言进行回归和区间估计;
x<-c(0.25,0.37,0.44,0.55,0.60,0.62,0.68,
     0.70,0.73,0.75,0.82,0.84)
y<-c(2.57,2.31,2.12,1.92,1.75,1.71,1.60,
     1.51,1.53,1.41,1.33,1.31)
df<-data.frame(x=x,y=y)
#使用lm函数进行回归;
mylm<-lm(y~x,data=df)
#查看回归情况；
summary(mylm)

结果：
Call:
lm(formula = y ~ x, data = df)

Residuals:
      Min        1Q    Median        3Q       Max 
-0.053728 -0.030345  0.005332  0.027644  0.053641 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  3.10057    0.03863   80.27 2.20e-15 ***
x           -2.19549    0.06066  -36.19 6.16e-12 ***
---
Signif. codes:  
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.03659 on 10 degrees of freedom
Multiple R-squared:  0.9924,	Adjusted R-squared:  0.991