rstudio线性回归_R语言线性回归

回归分析是一个广泛使用的统计工具，用于建立两个变量之间的关系模型。 这些变量之一称为预测变量，其值通过实验收集。 另一个变量称为响应变量，其值来自预测变量。

在线性回归中，这两个变量通过一个等式相关联，其中这两个变量的指数(幂)是1。数学上，当绘制为图形时，线性关系表示直线。任何变量的指数不等于1的非线性关系产生曲线。

线性回归的一般数学方程为 -

y = ax + b

以下是使用的参数的描述 -

y - 是响应变量。

x - 是预测变量。

a和b - 叫作系数的常数。

建立回归的步骤

一个简单的线性回归例子：是否能根据一个人的已知身高来预测人的体重。要做到这一点，我们需要有一个人的身高和体重之间的关系。

创建线性回归关系的步骤是 -

进行收集高度和相应重量观测值样本的实验。

使用R中的lm()函数创建关系模型。

从所创建的模型中找到系数，并使用这些系数创建数学方程。

获取关系模型的摘要，以了解预测中的平均误差(也称为残差)。

为了预测新人的体重，请使用R中的predict()函数。

输入数据样本

以下是表示观察结果的样本数据 -

# Values of height

151, 174, 138, 186, 128, 136, 179, 163, 152, 131

# Values of weight.

63, 81, 56, 91, 47, 57, 76, 72, 62, 48

lm()函数

该lm()函数创建预测变量与响应变量之间的关系模型。

语法

线性回归中lm()函数