R语言实现多元线性回归

R语言实现多元线性回归

多元线性回归是一种常用的统计方法，用于建立一个因变量与多个自变量之间的关系模型。在R语言中，我们可以使用lm()函数来进行多元线性回归分析。

首先，我们需要准备好数据集，其中包含了因变量和多个自变量的取值。假设我们的数据集包含了一个因变量Y和两个自变量X1和X2。下面是一个示例数据集：

# 创建示例数据集
Y <- c(2, 5, 6, 8, 10)
X1 <- c(1, 2, 3, 4, 5)
X2 <- c(0, 1, 1, 2, 3)

# 将数据组合成数据框
data <- data.frame(Y, X1, X2)

接下来，我们可以使用lm()函数来拟合多元线性回归模型：

# 拟合多元线性回归模型
model <- lm(Y ~ X1 + X2, data = data)

在lm()函数中，我们使用公式Y ~ X1 + X2来指定因变量Y和自变量X1、X2之间的关系。data参数用于指定数据集。

拟合完成后，我们可以使用summary()函数查看回归模型的统计摘要：

# 查看回归模型摘要
summary(model)

该函数将输出一个包含了多元线性回归模型的各种统计信息的摘要表，包括回归系数的估计值、标准误差、t值和p值等。

如果我们只对回归系数感兴趣，可以使用coef()函数来提取回归系数的估计值：

# 提取回归系数
coefficients <- coef(model)

回归系数存储在coefficients变量中，可以通过coefficients[i]来提取第i个自变量的回归系数。

此外࿰