回归分析是通过方程建立变量间关系的统计工具，线性回归以直线描述这种关系。一元线性回归方程为 y = ax + b + c，其中a和b是回归参数。最小二乘法和最大似然法用来评估拟合效果，R2衡量拟合优度，残差标准误反映模型精度。R语言可用于一元线性回归分析，输出包括截距、回归系数、残差分布、t检验、残差标准误和R2值。
欢迎关注”生信修炼手册”!
回归分析是一种广泛使用的统计工具，利用已有的实验数据，通过一个方程来定量的描述变量之间的关系，其中的变量可以分为两类
自变量，也称之为预测变量
因变量，也称之为响应变量
自变量可以有多个，而因变量只有一个，回归的本质就是构建因变量和自变量之间的方程。回归分析有两个经典的用法，第一个就是建模预测，通过构建的回归方程来对新的数据集进行预测，第二个就是用于定量描述变量间的相关性，在GWAS中，就是利用了回归分析的这一用法，本文首先来看下线性回归。
顾名思义，线性回归用线性方程来描述变量之间的关系，根据自变量的个数，又可以划分为一元线性回归和多元线性回归。这里的一元和多元指的就是自变量的个数。以一元线性回归为例，其方程如下
y = ax + b + c
其中x是自变量，y是因变量，a称之为回归系数，b称之为回归常数. c称之为误差，也叫做残差，a和b合称为回归参数，线性回归的目的就是求解回归参数。以探讨身高和体重间的线性关系为例，数据如下
其分布如下所示
最低0.47元/天 解锁文章
扫一扫
1117
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
