一元线性回归分析与建模

一元线性回归分析

一元回归分析的基本概念
回归模型的建立一般包括：
（1）通过某事物现，转化为具体问题；
（2）确定指标变量，收集整理数据，并构建模型进行参数估计；
（3）模型的检验，当模型检验不通过时，需要重新修改模型；
（4）模型的应用，得出结论，运行给出决策等。

基本概念
通常我们要先收集与研究相关的数据的一组或者多组样本，为直观观察数据的分布规律，我们可以将收集到每组数据绘制二维数据散点图。

一元回归分析的参数估计
一元回归模型的参数估计一般采用极大似然法与最小二乘法，其中最常用的是最小二乘法估计。

相关系数的检验

实际例子：

#给出因变量自变量的值
x <- c(3.4,1.8,4.6,2.3,3.1,5.5,0.7,
       3.0,2.6,4.3,2.1,1.1,6.1,4.8,3.8)
y <- c(26.2,17.8,31.3,23.1,27.5,36.0,14.1,
       22.3,19.6,31.3,24.0,17.3,43.2,36.4,26.1)
plot(x