用R進行一元線性回歸分析建模

概念：一元線性回歸**是指成對的兩個變數資料的散點圖呈現出直線趨勢時，採用最小二乘法，找到兩者之間的經驗公式，即一元線性回歸**模型。根據自變數的變化，來估計因變數變化的**方法。

我用的是r內建資料集mtcars，要**的是當每加侖汽油能跑23英里（mpg=23）的車有多重（wt?）。下面貼一下**，**較簡單，但重要的是這個流程！

1.

attach(mtcars);plot(mpg,wt);fm

summary(fm)
abline(fm)#加擬合曲線
coef(fm)#查截距與斜率（經濟：回歸係數）
resid(fm)#查殘差

再看下這四張圖

依次是**殘差圖（檢視是否線性），qq正態檢驗圖（檢視正態性。應近似為45度直線），位置尺度診斷圖（檢視同方差性。水平線周圍應隨機分布），cook距離/殘差與槓桿圖（檢視離群點，高槓桿點）

2.檢驗模型

先對斜率/回歸係數檢驗

n

se

再對截距檢驗

bo

3.**

predict(fm,data.frame(mpg=23))

還可以看一下該模型95%的置信區間（

95%置信區間就是說某個統計量落在這個區間裡的可能性是95%）

sx

fit       lwr      upr

1 4.582291 4.2403494 4.924232
2 4.582291 4.2403494 4.924232
3 4.173791 3.9024329 4.445149

我感覺模型是沒有問題的，但這資料不適合用一元線性回歸模型。

最後別忘了解綁！

detach(mtcars)

R語言 一元線性回歸

一元線性回歸的基本步驟 1.載入資料 給出散點圖 x plot x,y 2.線性回歸 得到回歸方程 並檢視回歸結果 所得回歸方程為y 130.83x 28.49 3.線性擬合 abline cg 新增擬合直線 4.x0 0.16時相應y的概率為0.95的 區間 x0 pred prediction ...

使用R語言進行一元回歸

我們通過乙個例子來介紹通過r語言進行一元回歸的方法 例子 為研究某實驗過程中，溫度x 對產品得率 的影響，測得資料如下 溫度x 100110 120130 140150 160170 180190 得率y 4551 5461 6670 7478 8589 說明 該例子來自盛驟等老師編寫的第四版概率論...

R語言 一元線性回歸學習記錄

基礎知識需要了解正態分佈，t檢驗值，p value值，顯著性檢驗等。下面是 與注釋講解 csvpath csvpath dfdfx y xy plot y x 1 jhy1 x 建立線性回歸模型 jhyxm 呼叫mean函式求均值 xmplot y x 1 繪製回歸線 abline jhy 繪製擬合...