R做线性回归

一元线性回归：

a<-lm(w~1+h1+h2) #一元线性回归，a为模型赋值，w为因变量。h1,h2为自变量
Summary(a) #线性模型的汇总数据，t检验
Predict(a) #作出预测
plot(h1,a) #做出散点图
lines(h1,fitted(a)) #做出拟合曲线
向前向后回归：s1=step(s,direction=”forward”)😭“backward”,”both”)
drop1(lm.step)
Logistic回归：a<–glm(w~h1+h2,family=binomial,data); summary(glm,a)
正态性检验：shapiro.test(x$x1)
残差计算函数：residuals()
多重共线性：XX<-cor(X); kappa(XX,exact=TRUE); eigen(XX)

非线性回归：

1、多项式回归y=a+bx+cx^2：x1=x; x2=x^2; lm.2=lm(y~x1+x2); summary(lm.2); plot(x,y); lines(x,fitted(lm.2))
2、对数法y=a+blogx：lm.log=lm(y~log(x)); summary(lm.log); plot(x,y); lines(x,fitted(lm.log))
3、指数法y=ae^bx：lm.exp=lm(log(y)~x); summary(lmexp); plot(x,y); lines(x,fitted(lm.exp))
4、幂函数法y=ax^b：lm.pow=lm(log(y)~log(x)); summary(lm.pow); plot(x,y); lines(x,fitted(lm.pow))
5、nls函数：nls(公式,数据,起始值,控件设置,算法,逻辑值,子集,权重)