R语言中的线性回归和相关性分析是统计学和数据分析中常用的技术。在进行这些分析时,使用cor
函数可以方便地计算预测变量和相应变量之间的相关性值。下面我将为你展示如何使用R语言进行线性回归以及相关性分析,并提供相应的源代码。
线性回归
线性回归是一种常见的统计方法,用于建立预测变量与相应变量之间的线性关系模型。在R语言中,可以使用lm
函数进行线性回归分析。以下是一个简单的示例:
# 创建数据
x <- c(1, 2, 3, 4, 5) # 预测变量
y <- c(2, 4, 6, 8, 10) # 相应变量
# 执行线性回归
model <- lm(y ~ x)
# 查看回归结果
summary(model)
在上述代码中,我们创建了两个向量x
和y
,分别表示预测变量和相应变量。然后,使用lm
函数执行线性回归分析,并将结果存储在model
对象中。最后,使用summary
函数查看回归结果。
线性回归的结果包括了模型的拟合统计信息,例如回归系数、截距、拟合优度等。
相关性分析
相关性分析用于衡量两个变量之间的线性关系强度。R语言中的cor