R教材6 回归

1. 大部分情况下，我们用OLS（最小二乘法）来得出回归模型
2. lm(formula,data)拟合回归模型，data是数据框
   1. y~x，左边为响应变量，右边为解释变量；+分隔预测变量
   2. :表示交互项，x:y
   3. *表示所有可能交互项的简洁方式，x*z=x+z+x:z
   4. ^表示交互达到某个次数，(x+z+w)^2=x+z+w+x:z+x:w+z:w
   5. .表示出因变量外的所有变量，不包含自变量间的交互项
   6. -从等式中移除某个变量
   7. -1删除截距项
   8. I()从算术的角度来解释括号中的元素，如I(x^2)；在R中写回归模型，单个x^2是不能写的，必须这样写
   9. fun可以在表达式中用的数学函数，可用在因变量，log(y)~x+z
3. 回归结果分析函数
   1. summary()
   2. coefficients()列出模型的系数
   3. confint()提供模型参数的置信区间
   4. fitted()拟合模型的预测，模型拟合的y值，fitted(模型)
   5. residuals()拟合模型的残差
   6. anova()比较多个拟合模型的方差分析，可以比较模型间是否有差异，根据奥卡姆剃刀原则，可以比较是否是最优最简模型
   7. vcov()模型参数的协方差矩阵
   8. AIC()赤池信息统计量
   9. plot()作4张图
   10. *abline()在前一个图上划直线；lines(x,y)根据点作平滑的曲线
   11. *car::scatterplot()更方便地绘制二元关系图
   12. predict()用拟合模型对新数据预测y
   13. *options(digits=2)，设置小数点后2位
4. 多元线性回归
   1. 首先，检查变量间的相关性cor()
      1. car::scatterplotMatrix()，变量间的散点图矩阵
   2. lm(y~.,data)，在多元回归中要考虑交互项，具有相关性就有可能有交互项
      1. effects::effect("term",mod,,xlevels=list(对象=c(确定的多值)))