用R软件做线性回分析问题.docxVIP

实验 一元线性回归分析 问题 考察温度对产量的影响，测得下列10组数据： 温度X（） 20 25 30 35 40 45 50 55 60 65 产量Y（） 13.2 15.1 16.4 17.1 17.9 18.7 19.6 21.2 22.5 24.3 二、要求 （1）试画出这10对观测值的散点图。 （2）求Y和X的相关系数，并判断X、Y是否存在线性相关性。 （3）用最小二乘法求出Y对的线性回归方程。 （4）求出回归的标准误差与回归拟合系数. （5）对回归方程做显著性检验。 （6）画出回归残差图并做相应分析。 （7）若温度为62，则产量为多少，并给出置信水平为95％的预测区间。 三、目的和意义 学会使用R软件来做回归分析问题。 四、实验步骤 1. 绘制x与y的散点图，初步确定回归方程，输入下列程序： X-matrix(c(20,13.2,25,15.1,30,16.4,35,17.1,40,17.9,45,18.7,50,19.6,55,21.2,60,22.5,65,24.3),ncol=2,byrow=T,dimnames=list(1:10,c(x,y))) forbes-as.data.frame(X) plot(forbes$x,forbes$y) 图表 SEQ 图表 \* ARABIC 1 从窗口中可以观察到，x与y大致成线性关系，假设其为y=β 2.做回归分析，输入下列程序： lm.sol-lm(y~x,data=forbes) summary(lm.sol) 得到 Call: lm(formula = y ~ x, data = forbes) Residuals: Min 1Q Median 3Q Max -0.67273 -0.33333 -0.07273 0.34545 0.68182 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) 9.12121 0.47708 19.12 5.8e-08 *** x 0.22303 0.01063 20.97 2.8e-08 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.483 on 8 degrees of freedom Multiple R-squared: 0.9821, Adjusted R-squared: 0.9799 F-statistic: 439.8 on 1 and 8 DF, p-value: 2.805e-08 有以上计算结果得： β 对应两个系数的P-值均小于5.8×10 关于方程的检验，残差的标准差σ=0.483，相关系数的平方R2=0.9821,关于 该模型能够通过t检验和f检验，因此回归方程为 y=9.12121+0.223.3x 我们将得到直线方程放在散点图上，得到图表2： 图表 SEQ 图表 \* ARABIC 2 下面分析残差,输入 abline(lm.sol) y.res-residuals(lm.sol);plot(y.res) 得到残差图图表3 图表 SEQ 图表 \* ARABIC 3 由上图知大部分点的绝对值都在0.6以内，第7个点有点反常，可能存在一点问题，现在做一些简单的处理： text(7,y.res[7],labels=7,adj=1.2) i-1:10;forbes7-as.data.frame(X[i!=7,]) lm7-lm(y~x,data=forbes7) summary(lm7) 得到 Call: lm(formula = y ~ x, data = forbes7) Residuals: Min 1Q Median 3Q Max -0.5417 -0.3000 -0.1292 0.3750 0.5458 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) 9.079167 0.434154 20.91 1.44e-07 *** x 0.225833 0.009811 23.02 7.40e-08 *** --- Signif. codes: 0 ‘***’ 0.001 ‘*