基于R语言的回归分析实现

目录

1.一元线性模型

1.1绘制散点图

1.2回归参数的估计

1.3回归方程的显著性检验

1.4线性模型常用函数

2.软件实现

2.1绘制散点图

2.2计算回归

2.3做预测

2.4残差分析

2.5回归诊断分析

3.多元线性模型

3.1模型建立

3.2代码实现

3.3做预测

3.4残差分析

3.5回归诊断分析

---

1.一元线性模型

一元线性模型一般用于描述因变量随自变量之间的线性模型一般为：

其中，表示Y随X的变化而线性变化的部分;是随机误差。

1.1绘制散点图

一般情况下可以对数据绘制一个散点图，散点图可以直观的观察出X，Y之间的关系。

1.2回归参数的估计

求出位置参数，的估计值，要使得散点图尽可能分布在直线的两侧且越接近效果越好。

 1.3回归方程的显著性检验

从回归参数的估计公式可知，在计算过程中并不一定要知道Y与X是否有线性相关的关系，但如果不存在这种关系，那么求得的回妇方程毫无意义。因此，需要对回归方程进行检验.从统计上讲，是E(Y)随X线性变化的变化率，若β1=0,则E(Y)实际上并不随X作线性变化，仅当β1≠0时，E(Y)才随X作线性变化,也仅在这时一元线性回归方程才有意义.因此假设检验为:

.   

一般有三种检验方法；

        1）T检验法

        2）F检验法

        3）相关系数检验法

当拒绝H0时，我们二五年为回归方程是显著的。