R语言如何计算线性回归的系数而不使用lm函数

在R语言中，您可以通过计算线性回归的系数（斜率和截距）而不使用lm函数来实现线性回归模型。一个常见的方法是使用矩阵运算和公式来计算这些系数。以下是一个示例，展示了如何使用这种方法来进行线性回归。

假设您有一组观测数据，包括自变量x和因变量y，您想拟合一个线性回归模型。

首先，创建一个示例数据集：

# 创建示例数据
set.seed(123)  # 设置随机种子以确保可复现性
x <- 1:10
y <- 2 * x + rnorm(10)  # 添加一些随机噪声

接下来，计算线性回归的系数（斜率和截距）：

# 计算线性回归系数
n <- length(x)  # 样本大小

# 创建设计矩阵X，其中第一列为1，第二列为x的值
X <- cbind(1, x)

# 计算X'X和X'y
XTX <- t(X) %*% X
XTy <- t(X) %*% y

# 求解线性方程组来计算系数
coefficients <- solve(XTX, XTy)

# 提取系数值
intercept <- coefficients[1]
slope <- coefficients[2]

# 输出系数
cat