8、用R语言进行回归分析

最新推荐文章于 2024-09-13 23:03:46 发布

走走停停1316

最新推荐文章于 2024-09-13 23:03:46 发布

阅读量1.4k

点赞数

分类专栏： r语言文章标签： r语言回归机器学习

本文链接：https://blog.csdn.net/seeyougain/article/details/122998445

版权

本文探讨了R语言中的回归分析，包括简单线性回归、多项式回归和多元回归，并详细阐述了OLS（最小二乘法）模型的统计假设，如正态性、独立性、线性以及同方差性。在分析过程中，提到了异常观测值的处理和通过引入二次项改进模型拟合的效果。

摘要由CSDN通过智能技术生成

OLS模型：最小二乘法模型

8.1 回归的多面性

略

8.2 OLS回归

8.1简单线性回归

	#8.2.2简单线性回归
	dt<-women
	fit<-lm(weight~height,data=dt)#先y后x
	summary(fit)
	plot(dt$height,dt$weight)#先x后y
	abline(fit)#回归线

8.2多项式回归

	#8.2.3多项式回归
	##y可能不止和x相关呢？还可能和x^2相关呀
	fit2<-lm(weight~height+I(height^2),data=dt)
	#先y后x;I(height^2)之中的I()是为了防止出现将^识别错误
	summary(fit2)
	plot(dt$height,dt$weight)#先x后y
	lines(dt$height,fitted(fit2))#预测值：fitted(fit2)

8.3多元回归

	#8.2.4多元线性回归
	states<-as.data.frame(state.x77[,c('Murder','Population','Illiteracy','Income','Frost')])
	#计算相关系数
	cor(states)
	install.packages("car")
	library(car)
	scatterplotMatrix(states,spread=FALSE,smoother.args=list(lty=2))#回归前的参考
	fit3<-lm(Murder~Populati