用R语言进行一元线性回归分析

一、数据集如下：

温度对产量的影响
温度	20	25	30	35	40	45	50	55	60	65
产量	13.2	15.1	16.4	17.1	17.9	18.7	19.6	21.2	22.5	24.3

二、绘制数据的散点图

x<-c(20,25,30,35,40,45,50,55,60,65)

y<-c(13.2,15.1,16.4,17.1,17.9,18.7,19.6,21.2,22.5,24.3)

plot(x,y)

运行得到：

从图中可以看到，变量温度与产品是近似的线性关系。

三、建立变量的线性方程，并进行显著性检验

lm.reg<-lm(y~x)

summary(lm.reg)

运行得到：

回归方程的显著性检验的F统计量的P值2.805e-08和系数的显著性检验的t值2.8e-08和5.8e-08都低于显著性水平0.05，故回归方程和参数都通过了检验，R方为0.9799，说明数据的97%可由回归方程描述。

四、回归参数区间估计

使用confint(lm.reg,level=0.95)得到回归参数的区间估计

五、对回归方程的误差项独立同正态分布的假设进行检验

op<-par(mfrow=c(2,2)

plot(lm.reg)

par(op)

1、从Residual 与fitted为拟合值对残差的图形，可以看出数据点基本均匀的分布在直线y=0的两侧。

2、从正态OO图可以看到，图中数据点分布趋于一条直线，说明残差服从正态分布。

3、显示标准化残差的平方根分布情况。

4、cook距离显示样本点对回归的影响点。

六、绘制标准化残差散点图

res<-rstandard(lm.reg)

plot(res)

从图中可以看到，标准化残差的绝对值都<=2，可以认为无可疑和异常的样本点。

七、预测

要求出当温度为42度时，产量的预测值和预测区间

执行命令:

df<-data.frame(x=42)

lm.pred<-predict(lm.reg,df,interval='prediction',level=0.95)

im.pred

从而得到了温度42度，产量的预测值和预测区间。