1、線性回歸
線性回歸就是使用下面的**函式**未來觀測量：
其中，x1,x2,...,xk都是**變數（影響**的因素），y是需要**的目標變數（被**變數）。
線性回歸模型的資料**於澳大利亞的cpi資料，選取的是2023年到2023年的季度資料。
yearquarter
cpi
cor(year,cpi)cor(quarter,cpi)
輸出如下：
cor(quarter,cpi)然後使用lm()函式建立乙個線性回歸模型，其中年份和季度為**因素，cpi為**目標。[1] 0.3738028
cor(year,cpi)
[1] 0.9096316
cor(quarter,cpi)
[1] 0.3738028
由上圖可知，cpi與年度之間的關係是正相關，並且非常緊密，相關係數接近1；而它與季度之間的相關係數大約為0.37，只是有著微弱的正相關，關係並不明顯。
fitcall:fit輸出結果如下：
lm(formula = cpi ~ year + quarter)
coefficients:
(intercept) year quarter
-7644.488 3.888 1.167
由上面的輸出結果可以建立以下模型公式計算cpi：
其中，c0、c1和c2都是模型fit的引數分別是-7644.488、3.888和1.167。因此2023年的cpi可以通過以下方式計算：
(cpi2011模型的具體引數可以通過以下**檢視：
attributes(fit)$names
[1] "coefficients" "residuals" "effects" "rank" "fitted.values"
[6] "assign" "qr" "df.residual" "xlevels" "call"
[11] "terms" "model"
$class
[1] "lm"
fit$coefficients
residuals(fit)1 2 3 4 5 6 7
-0.57916667 0.65416667 1.38750000 -0.27916667 -0.46666667 -0.83333333 -0.40000000
8 9 10 11 12
-0.66666667 0.44583333 0.37916667 0.41250000 -0.05416667
除了將資料代入建立的**模型公式中，還可以通過使用predict()**未來的值。
data2011cpi2011
styleplot(c(cpi, cpi2011), xaxt="n", ylab="cpi", xlab="", pch=style, col=style)
axis(1, at=1:16, las=3,上圖中紅色的三角形就是**值。
2、logistic回歸
logistic回歸是通過將資料擬合到一條線上並根據簡歷的曲線模型**事件發生的概率。可以通過以下等式來建立乙個logistic回歸模型：
其中，x1,x2,...,xk是**因素，y是**目標。令
，上面的等式被轉換成：
使用函式glm()並設定響應變數(被解釋變數)服從二項分布（family='binomial,'link='logit'）建立logistic回歸模型，更多關於logistic回歸模型的內容可以通過以下鏈結查閱：
· r data analysis examples - logit regression
· 《logisticregression (with r)》
3、廣義線性模型
廣義線性模型（generalizedlinear model, glm)是簡單最小二乘回歸（ols)的擴充套件，響應變數（即模型的因變數）可以是正整數或分類資料，其分布為某指數分布族。其次響應變數期望值的函式（連線函式）與**變數之間的關係為線性關係。因此在進行glm建模時，需要指定分布型別和連線函式。這個建立模型的分布引數包括binomaial（兩項分布）、gaussian（正態分佈）、gamma（伽馬分布）、poisson(泊松分布)等。
廣義線性模型可以通過glm()函式建立，使用的資料是包『th.data』自帶的bodyfat資料集。
data("bodyfat", package="th.data")myformula
bodyfat.glm
predplot(bodyfat$dexfat, pred, xlab="observed values", ylab="predicted values")
abline(a=0, b=1)
**結果檢驗如下圖所示：
由上圖可知，模型雖然也有離群點，但是大部分的資料都是落在直線上或者附近的，也就說明模型建立的比較好，能較好的擬合資料。
4、非線性回歸
如果說線性模型是擬合擬合一條最靠近資料點的直線，那麼非線性模型就是通過資料擬合一條曲線。在r中可以使用函式nls()建立乙個非線性回歸模型，具體的使用方法可以通過輸入'?nls()'檢視該函式的文件。
用R語言進行資料分析
用美國 台網公布的全球2013年5月20日22點到24點發生的所有 的震級資料實驗。mag mag 1 1.6 0.9 2.1 2.2 2.3 1.7 1.3 1.6 4.7 1.2 0.9 4.7 0.6 5.3 1.1 4.8 4.0 4.2 4.6 1.3 2.1 1.5 3.0 factor...
資料分析與挖掘 R語言 多元線性回歸
乙個簡單的例子！環境 centos6.5 hadoop集群 hive r rhive，具體安裝及除錯方法見部落格內文件。線性回歸主要用來做 模型。1 準備資料集 x y 0.10 42.0 0.11 43.5 0.12 45.0 0.13 45.5 0.14 45.0 0.15 47.5 0.16 ...
r語言 面板資料回歸 R語言 地理加權回歸分析
理論知識 地理加權回歸 geographically weighted regression,gwr 是一種空間分析技術，廣泛應用於地理學及涉及空間模式分析的相關學科。gwr通過建立空間範圍內每個點處的區域性回歸方程，來探索研究物件在某一尺度下的空間變化及相關驅動因素，並可用於對未來結果的 由於它考...