R语言 多元线性回归

回归

以下是使用R语言完成多元线性回归模型的简单教程。

假设我们有一个数据集包含一个响应变量（或因变量）和多个自变量。我们想要使用多元线性回归模型来预测响应变量。在这里，我们将使用mtcars数据集作为例子。

首先，加载数据集并查看其结构：

data(mtcars)
str(mtcars)

接下来，我们选择我们要使用的自变量和因变量：

model <- lm(mpg ~ cyl + disp + hp, data = mtcars)

这里我们将使用cyl，disp和hp作为自变量，mpg作为响应变量。lm()函数用于构建线性回归模型。data参数指定数据集，mpg ~ cyl + disp + hp指定了因变量和自变量。

我们可以通过summary()函数查看模型的统计信息和系数：

summary(model)

输出结果将包括R方值，t值和p值等信息，以及每个自变量的系数。这些信息可以帮助我们判断每个自变量对响应变量的影响。

我们还可以使用predict()函数来进行预测：

newdata <- data.frame(cyl = 6, disp = 200, hp = 100)
predict(model, newdata = newdata)

这里我们创建一个新的数据框newdataÿ