用R语言进行简单线性回归分析

1、fire.txt ：(数据出自何晓群 -应用回归分析) x y3.4 26.21.8 17.84.6 31.32.3 23.13.1 27.55.5 360.7 14.13.022.32.6 19.64.3 31.32.1 241.1 17.36.1 43.24.8 36.43.8 26.1#数据准备fire- read.table(D:/fire.txt, head = T)#回归分析plot(fire$y fire$x) fire.reg - lm(fire$y fire$x, data = fire) #回归拟合 summary(fire.reg) #回归分析表 anova(fire.r

2、eg) #方差分析表 abline(fire.reg, col = 2, lty = 2) #拟合直线#残差分析fire.res - residuals(fire.reg) #残差fire.sre- rstandard(fire.reg) #学生化残差 plot(fire.sre)abline(h = 0)text(11, fire.sre11, label = 11, adj = (-0.3), col = 2) 标# 注点#预测与控制attach(fire) #连接fire.reg - lm(y x) #这种回归拟合简单fire.points- data.frame(x = c(3.5,

3、4)fire.pred- predict(fire.reg, fire.points, interval = prediction, level = 0.95) # 预测：置 信区间fire.preddetach(fire) #取消连接#附自编的过程程序：(R最大的好处是可以自己编想要的程序和函数，尤其没有 内置函数的时候)fire- read.table(D:/fire.txt, head = T) attach(fire) lxy- function(x)sum- 0sum0 - 0for(i in 1:length(x)sum0 - (xi - mean(x) * (yi-mean(y)

4、 sum- sum + sum0sum#用这个就不需要循环了lxy- function(x) mid- (x - mean(x) * (y-mean(y) sum- sum(mid)sum#对于数据框、列表等数据对象要善用apply()函数。lxx- function(x)sum- 0 sum0 - 0 for(i in 1:length(x)sumO - (xi - mea n(x)F2 sum- sum + sum0 sumLxx- lxx(x)Lyy- lxx(y)Lxy- lxy(x)b1 - Lxy / Lxx; b1 #回归系数斜率bO - mean(y) - b1 * mean(

5、x); bO #回归系数截距residu- y - (bO + b1*x); residu #残差r - Lxy / sqrt(Lxx * Lyy); r #相关系数rsqurev- rA2; rsqure #决定系数adrsqurev- 1 - (le ngth(x)-1)/(le ngth(x)-2)*(1-A2) #调整后的决定系数 esrequre- function(x) #求标准差平方估计值 sumv- O sumO v- Ofor(i in 1:length(x)sumO v- residuiA2sumv- sum + sumOresidusqure- sum/(length(x

6、)-2) residusqure esterreq- esrequre(x); esterreq #标准差平方估计值 (MSE)ester - sqrt(esrequre(x); ester #标准差估计值 (回归分析表给出的标准误差 ) val_t- b1*sqrt(Lxx) / ester; val_t #检验回归系数斜率 b1 的 t 值SSe- function(x) #求残差平方和 sum- 0 sum0 - 0 for(i in 1:length(x)sumO - residuiA2sum- sum + sum0 sumSSE - SSe(x); SS残 差平方和MSE - SSE/(le ngth(x)-2); MSE残差均方和SSr- function(x)sum- OsumO - Ofor(i in 1:length(x)sumO - (bO + b1*xi) - mean(y)A2 sum- sum + sumOsumSSR 2、LXX