使用R语言获取线性回归模型的拟合值(fitted values)
线性回归是一种常用的统计分析方法,用于建立一个自变量(或多个自变量)与一个因变量之间的线性关系模型。在R语言中,我们可以使用lm()函数拟合线性回归模型,并使用fitted.values属性获取模型的拟合值。
下面是一个示例,展示如何使用R语言获取线性回归模型的拟合值:
# 创建示例数据
x <- c(1, 2, 3, 4, 5) # 自变量
y <- c(2, 4, 6, 8, 10) # 因变量
# 拟合线性回归模型
model <- lm(y ~ x)
# 获取模型的拟合值
fitted_values <- model$fitted.values
# 打印拟合值
print(fitted_values)
在上述代码中,我们首先创建了一个包含自变量x和因变量y的示例数据。然后,使用lm()函数拟合线性回归模型,其中自变量x和因变量y通过~符号连接。拟合的模型被存储在变量model中。
接下来,我们通过访问模型对象的fitted.values属性来获取模型的拟合值,并将其存储在变量fitted_values中。
最后,我们使用print()函数打印拟合值。这将显示出模型对每个自变量值的预测结果。
通过运行上述代码,你将得到以下输出:
1 2 3 4 5
1.006944 2.013889 3.020833 4.027778 5.034722
输出结果显示了模型对每个自变量值的拟合值。
使用R语言中的lm()函数和fitted.values属性,你可以轻松地获取线性回归模型的拟合值,从而进行进一步的分析和可视化。