用R语言进行简单线性回归解析.docxVIP

fire.txt ：（数据出自何晓群--应用回归分析） x y 3.4 26.2 1.8 17.8 4.6 31.3 2.3 23.1 3.1 27.5 5.5 36 0.7 14.1 3.0 22.3 2.6 19.6 4.3 31.3 2.1 24 1.1 17.3 6.1 43.2 4.8 36.4 3.8 26.1 #-------------------------------------------------------------#数据准备 fire - read.table(D:/fire.txt, head = T) #-------------------------------------------------------------#回归分析 plot(fire$y ~ fire$x) fire.reg - lm(fire$y ~ fire$x, data = fire) #回归拟合 summary(fire.reg) #回归分析表 anova(fire.reg) #方差分析表 abline(fire.reg, col = 2, lty = 2) #拟合直线 #-------------------------------------------------------------#残差分析 fire.res - residuals(fire.reg) #残差 fire.sre - rstandard(fire.reg) #学生化残差 plot(fire.sre) abline(h = 0) text(11, fire.sre[11], label = 11, adj = (-0.3), col = 2) #标注点 #-------------------------------------------------------------#预测与控制 attach(fire) #连接 fire.reg - lm(y ~ x) #这种回归拟合简单 fire.points - data.frame(x = c(3.5, 4)) fire.pred - predict(fire.reg, fire.points, interval = prediction, level = 0.95) #预测：置信区间 fire.pred detach(fire) #取消连接 -------------------------------------------------------------------------------------------------- #附自编的过程程序：（R最大的好处是可以自己编想要的程序和函数，尤其没有内置函数的时候） fire - read.table(D:/fire.txt, head = T) attach(fire) -------------------------------------------- lxy - function(x){ sum - 0 sum0 - 0 for(i in 1:length(x)){ sum0 - (x[i] - mean(x)) * (y[i]-mean(y)) sum - sum + sum0} sum} --------------------------------------------------------------------------------- #用这个就不需要循环了 lxy - function(x){ mid - (x - mean(x)) * (y-mean(y)) sum - sum(mid) sum} #对于数据框、列表等数据对象要善用apply()函数。 --------------------------------------------------------------------------------- lxx - function(x){ sum - 0 sum0 - 0 for(i in 1:length(x)){ sum0 - (x[i] - mean(x))^2 sum - sum + sum0} sum} Lxx - lxx(x) Lyy - lxx(y) Lxy - lxy(x) b1 - Lxy / Lxx; b1 #回归系数斜率 b0 - mean(y) - b1 * mean(x); b0 #回归系数截距 residu - y - (b0 + b1*x); residu #残差 r - Lxy / sqrt(Lxx * Lyy); r #相关系数 rsqure - r^2; rsqure #决定