这篇博客介绍了R语言中的回归分析基础知识，包括OLS（普通最小二乘法）的使用情境和模型拟合。博主分享了如何在R中进行OLS回归，强调了数据的统计假设，并提供了代码示例展示如何使用lm函数进行拟合，以及如何通过summary函数获取模型信息。此外，还提到了数据可视化的重要性和QQ图在检查正态性中的应用。
整理来自R语言实战，需要书本电子版的联系我哈~
因为学校课程的需要不得不跳步整理，R语言其他部分只能等毕业有空再整理了。我发现代码这种东西，除了需要考试的时候看基础，其余情况都得“见风使舵”哈哈哈。气
其实回归，就是变量与变量之间关系的量化。插入一个图片
如图，就是回归的各种方法，具体的应该在各种相关教科书里面有，这里不针对数学展开了。
OLS使用情形
OLS是通过预测变量（x）的加权和来预测量化的因变量（y）
其实主要的情形就是“关系”“哪些因素”“什么影响”“因素解释差异”
接下来将介绍OLS估计的基本知识（R函数拟合OLS回归模型，评价拟合优度，检验假设条件以及选择模型）
此处原文推荐了两本书
John Fox的偏重理论，偏重运用
我觉得OLS现在还没要求研究那么细，所以我没去读hhh
首先，OLS回归的形式，以及相应部分的解释：
你可能看得出我比较懒。值得注意的是数据需要满足的几个统计假设：正态性，独立性&#
最低0.47元/天 解锁文章
扫一扫
5405
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
