一元线性回归
rm(list = ls())
利用R内置数据集women,简单阐述一元回归分析的基本思路
head(women)
height weight
1 58 115
2 59 117
3 60 120
4 61 123
5 62 126
6 63 129
#散点图
plot(women$height,women$weight,xlab = " height(in inchs)",ylab = "weight (in inchs)")
可以看到,两个变量之间存在明显的线性关系。可以通过一元直线回归进行拟合
summary(fit)
Call:
lm(formula = weight ~ ., data = women)
Residuals:
Min 1Q Median 3Q Max
-1.7333 -1.1333 -0.3833 0.7417 3.1167
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -87.51667 5.93694 -14.74 1.71e-09 ***
height 3.45000 0.09114 37.85 1.09e-14 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.525 on 13 degrees of freedom
Multiple R-squared: 0.991, Adjusted R-squared: 0.9903
F-statistic: 1433 on 1 and 13 DF, p-value: 1.091e-14
对于该结果的解释,主要看系数显著性检验的p值,以及R方,模型显著性F检验的p值。
你们自己看哈。
abline(fit,lty=2,col="red")
添加拟合线,观察拟合效果。如下
还可以,整体来看,毕竟R^2高达0.991,F检验p值1.091e-14远远小于0.05.
par(mfrow=c(2,2))#画图的分块
plot(fit)
第一幅为残差与拟合值的关系,第二为QQ图,可以检验因变量的正态分布。
第三幅方差齐次性检验,第四幅独立性检验。怎么去判断,留给你们去问度娘,或者通过R的帮助文档,找到真爱。