rstudio线性回归_R语言基础入门之五：简单线性回归

线性回归可能是数据分析中最为常用的工具了，如果你认为手上的数据存在着线性定量关系，不妨先画个散点图观察一下，然后用线性回归加以分析。下面简单介绍一下如何在R中进行线性回归。

一、回归建模

我们利用R语言中内置的trees数据，其中包含了Volume(体积)、Girth(树围)、Height(树高)这三个变量，我们希望以体积为因变量，树围为自变量进行线性回归。 plot(Volume~Girth,data=trees,pch=16,col='red')

model=lm(Volume~Girth,data=trees)

abline(model,lty=2)

summary(model)

首先绘制了两变量的散点图，然后用lm函数建立线性回归模型，并将回归直线加在原图上，最后用summary将模型结果进行了展示，从变量P值和F统计量可得回归模型是显著的。但截距项不应该为负数，所以也可以用下面方法将截距强制为0。 model2=lm(Volume~Girth-1,data=trees)

二、模型诊断

在模型建立后会利用各种方式来检验模型的正确性，对残差进行分析是常见的方法，下面我们来生成四种用于模型诊断的图形。 par(mfrow=c(2,2))

plot(model)

par(mfrow=c(1,1))

这里左上图是残差对拟合值作图，整体呈现出一种先下降后下升的模式，显示残差中可能还存在未提炼出来的影响因素。右上图残差QQ图，用以观察残差是否符合正态分布。左下图是标准化残差对拟合值，用于判