R语言学习_回归预测

相关与回归的联系
相关与回归
不独立两个随机变量，二者之间肯定会存在某种关系：
函数关系（确定性关系）
相关关系（非确定关系）
散点图观察相关性
相关性的程度
相关系数
相关关系不是因果关系

一元线性回归
    一元线性回归————数学思想
        最佳回归线
            不同的人会找到不同的‘最佳’回归线
            残差平方和最小为‘最佳’
        普通最小二乘法（OLS）
            残差平方和最小
            残差就是y的实际值和y的回归值之间的差异，就是随机误差。

    建立模型
    解读模型
    高斯-马尔科夫假定（LINE）
    模型检验（系数检验、方程检验）
    统计预测

前提条件（LIME）      # 使用残差分析进行前提条件的检查   （不是很重要，可以不做）
    线性（Linear）
    独立性（Independence）
    正态性（normal）
    等方差（equalvariance）

模型检查
    系数的检验
    方程的检验

决定系数R^2
    贡献有多大？
    回归平方和占总平方和的比例
    等于相关系数的平方

统计预测
    点预测
    区间预测
        个体的预测区间
        均数的置信区间

多项式回归
多元线性回归
    回归公式
    求解方法

R实战
    常用函数
    summary()           展示拟合模型的详细结果
    coefficients()      列出拟合模型的模型参数（截距项和斜率）
    confint()           提供模型参数的置信区间（默认95%）
    fitted()            列出拟合模型的预测值
    residuals()         列出拟合模型的残差值
    anova()             生成一个拟合模型的方差分析表
    vcov()              列出模型参数的协方差矩阵
    AIC()               输出赤池信息统计量
    plot()              生成评价拟合模型的诊断图
    predict()           用拟合模型对新的数据集预测响应变量值

R实例：
lm函数
lm(formula,data)
formula表达式，data数据集
表达式写法
Y ~ X1 + X2 + … + Xk

    > # 一元线性回归
    > head(women,3)
      height weight
    1     58