实用回归分析实验R软件的实用.ppt

实用回归分析实验课 R软件的实用 R软件与线性回归模型相关的函数 输入数据： 数据格式要求是数据框，下面以 P17 example2.1为例子讲述 一、当要处理的数据较少时，可直接在R的窗口输入数据 1、x1-c(3.4,1.8,4.6,2.3,3.1,5.5,0.7,3.0,2.6,4.3,2.1,1.1,6.1,4.8,3.8) y1-c(26.2,17.8,31.3,23.1,27.5,36.0,14.1,22.3,19.6,31.3,24.0,17.3,43.2,36.4,26.1) length(x)##检验输入的x数据长度是否正确 length(y) )##检验输入的x数据长度是否正确 baoxian-data.frame(x=x1,y=y1)##建立以x,y为列名，x1,y1向量的值 ###为数据数据框 baoxian #显示前面建立的数据框，检查数据的正确性 2、直接输入数据（修改数据框方式） baoxian-data.frame(x=numeric(0),y=numeric(0)) baoxian1-edit(baoxian) 下面手动输入数据，直接关闭，输入的数据就保存在数据框baoxian1中了。 3、利用命令scan 输入此命令的前提是example22.data文件已经存在R的默认路径文件中，默认路径可以用setwd命令修改，getwd()命令查看默认路径。（或者使用菜单操作） shouru-scan(example22.data,list(year=0,y=0, x=0)) class(shouru)##显示数据结构为list即为列表 shouru1-as.data.frame(shouru) class(shouru1)##显示数据结构为data.frame 2. X - matrix(scan(“example22.data”, 0),nrow=20,ncol=3, byrow=TRUE)##读入数据后变成一个20*3的矩阵，按行读入 colnames(X)-c(“year”,“y”,“x”) ##改变矩阵的列名 X##显示X中的数据 class(X)##数据结构为矩阵 X1-as.data.frame(X)##数据结构转换为数据框 class(X1) x-scan() 输入数据后回车 调用R 自带的数据 data() women 可以对此数据做统计分析，一元回归 二、线性回归 x-c(3.4,1.8,4.6,2.3,3.1,5.5,0.7,3.0,2.6,4.3,2.1,1.1,6.1,4.8,3.8) y-c(26.2,17.8,31.3,23.1,27.5,36.0,14.1,22.3,19.6,31.3,24.0,17.3,43.2,36.4,26.1) length(x) length(y) plot(x,y)##画散点图 cor(x,y)##计算相关系数 cor(x,y)^2##计算决定系数 baoxian-data.frame(x=x,y=y)##用数据x,y做一元回归 summary(baoxian) lm.baoxian-lm(y~x,data=baoxian) summary(lm.baoxian) ##汇总模型的信息，可以得到残差，参数估计，参数估 计的标准差以及t检验，F 检验 做回归系数的估计，回归系数的显著性检验、回归系数的标准误差、F检验、决定系数、调整的决定系数用lm命令。 plot(x,y,main=散点图和拟合直线) abline(lm(y~x))##在散点图上加上拟合回归直线 对回归方程做方差分析anova(lm.baoxian) 回归系数的置信区间 ### 求线性模型系数的区间估计 beta.int-function(fm,alpha=0.05){ A-summary(fm)$coefficients df-fm$df.residual left-A[,1]-A[,2]*qt(1-alpha/2, df) right-A[,1]+A[,2]*qt(1-alpha/2, df) rowname-dimnames(A)[[1]] colname-c(Estimate, Left, Right) matrix(c(A[,1], left, right), ncol=3, dimnames = list(rowname, colname )) } 新值预测值的置信区间 new-data.frame(x=4.2) y.fit-predict(lm.baoxian,new,interval=prediction,level=0.95) y.f