R实现一元线性回归.pdf

（一）、数据的读入与变量间关系 通过read.csv 函数将整理好的数据读入到工作空间中，并将数据框中的数据存储 为相应的变量名下数学成绩赋值于math、物理成绩赋值于physics.然后绘制出 两门成绩间的散点图以查看两者之间是否具有函数关系： data1 - read.csv(C:/Users/MyPC/Desktop/管理统计学/管理统计-一元线性 回归/six.csv,fileEncoding = GBK) math - data1[,2]; physics - data1[,3]; plot(math,physics,main=散点图,xlab=数学成绩,ylab=物理成绩) （二）、图形的解释与关系的确定 从散点图中可以看到，两门成绩间为线性关系，且为正相关即同增同减. 于是 利用函数cor()求出两门成绩的相关系数如下： cor(math,physics) ## [1] 0.7847639 （三）、一元线性模型的模拟及检验 由散点图以及相关系数可知，可使用一元线性回归模型对所给数据进行拟合，并对 未来的结果进行相应的预测.在拟合的模型基础上对拟合结果进行显著性检验，取 = 0.05. 函数代码及拟合结果如下： lm.fit - lm(physics~math,data=data1)#一元线性拟合 summary(lm.fit) ## ## Call: ## lm(formula = physics ~ math, data = data1) ## ## Residuals: ## Min 1Q Median 3Q Max ## -10.326 -7.793 1.067 5.852 12.223 ## ## Coefficients: ## Estimate Std. Error t value Pr(|t|) ## (Intercept) 5.4221 15.0617 0.360 0.724227 ## math 0.9427 0.1990 4.738 0.000318 *** ## ## Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 ## ## Residual standard error: 8.509 on 14 degrees of freedom ## Multiple R-squared: 0.6159, Adjusted R-squared: 0.5884 ## F-statistic: 22.44 on 1 and 14 DF, p-value: 0.0003178 从结果中可以得知： 回归方程为: = 0.9427+ 5.4221 又因− 0.05,所 以自变量数学成绩与因变量物理成绩有线性关系，且拟合情况良好. plot(residuals(lm.fit)) （四）、预测与分析 当给定数学成绩为80 分时，估计物理成绩的95%的置信区间. 代码及结果如下： pre.point - data.frame(math=80) predict(lm.fit,pre.point,interval=prediction,level=0.95) ## fit lwr upr ## 1 80.83471 61.89853 99.77088 置信区间为：[61.89853,99.77088]. （五）、回归直线与进一步的结果 回归直线的拟合如下： 代码及结果如下： plot(math,physics,main=一元线性回归,xlab=数学成绩,ylab=物理成绩) abline(lm.fit) 使用ggplot2 包进行进一步的分析置信区间曲线图(取= 0.05)： library(ggplot2) ggplot(data1,aes(math,physics),xlab(math),ylab(physics))+geom_sm ooth(method=lm,color=red,linetype=2) 其中红色曲线是最佳拟合曲线，阴影带状就是每一个math （即数学成绩）对应的 physics (即物理成绩)的95%置信区间.