R语言实验分析报告—回归分析在女性身高与体重的应用.docxVIP

R语言实验报告—回归分析在女性身高与体重的应用 PAGE PAGE 1 ———————————————————————————————— 作者： ———————————————————————————————— 日期： PAGE 1 R语言实验报告 回归分析中 身高预测体重的模型 学院： 班级： 学号： 姓名： 导师： 成绩： PAGE 3 目录 TOC \o 1-3 \h \z \u 一、实验背景 1 二、实验目的 1 三、实验环境 1 四、实验内容 1 1.给出实验女性的身高体重信息； 2 2.运用简单线性回归分析； 2 3.运用多项式回归分析 2 五、实验过程 2 （一）简单线性回归 2 1.展示拟合模型的详细结果 2 2.女性体重的数据 2 3.列出拟合模型的预测值 3 4.列出拟合模型的残差值 3 5.得出身高预测体重的散点图以及回归线 3 （二）多项式回归 5 1.展示拟合模型的详细结果 5 2.身高预测体重的二次回归图 5 六、实验分析 7 七、总结 7 PAGE 2 PAGE 1 一、实验背景 从许多方面来看，回归分析都是统计学的核心。她其实是一个广义的概念，通指那些用一个或多变量（也称自变量或解释变量）来预测响应变量（也称因变量、效标变量或结果变量）的方法。通常，回归分析可以用来挑选与响应变量相关的解释变量，可以描述两者的关系，也可以生成一个等式，通过解释变量来预测响应变量。 二、实验目的 R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具； 本次试验要求掌握了解R语言的各项功能和函数，能够通过完成试验内容对R语言有一定的了解，会运用软件对数据进行分析； 通过本实验加深对课本知识的理解以及熟练地运用R语言软件来解决一些复杂的问题。 三、实验环境 Windows系统，R或者R Studio 四、实验内容 本实验提供了15个年龄在30—39岁间的女性的身高和体重信息，运用回归分析的方法通过身高来预测体重，获得一个等式可以帮助我们分辨哪些过重或过轻的个体。 1.给出实验女性的身高体重信息； 2.运用简单线性回归分析； 3.运用多项式回归分析 五、实验过程 （一）简单线性回归 1.展示拟合模型的详细结果 2.女性体重的数据 3.列出拟合模型的预测值 4.列出拟合模型的残差值 5.得出身高预测体重的散点图以及回归线 （二）多项式回归 1.展示拟合模型的详细结果 2.身高预测体重的二次回归图 六、实验分析 （一）简单线性回归 通过输出结果，可以得到预测等式： Weight=-87.52+3.45*Height 因为身高不可能为0，所以没必要给截距项一个物理解释，它仅仅是一个常量调整项。在Pt（|t|）栏，可以看到回归系数（3.45）显著不为0（P0.001），表明身高每增高1英寸，体重预期增加3.45磅。R平方项（0.991）表明模型可以解释体重99.1%的方差，它也是实际和预测值之间的相关系数的平方 。参差标准误则可认为是模型用身高预测体重的平均误差。 我们已经输出了真实值、预测值和残差值，由身高预测体重的散点图，可以看出最大的残差值在身高矮和身高高的地方出现。 （二）多项式回归 新的预测等式为： Weight=261.88-7.35* Height+0.083* 在p0.001的水平下，回归系数都非常显著。模型的方差解释率已经增加到了99.9%。二次项的显著性（t=13.89,p0.001）表明包含二次项提高了模型的拟合度，说明多项式回归可以提高回归的预测精度。 七、总结 通过试验对R语言有了进一步的了解。这次试验通过随机生成学生成绩，并且对学生成绩进行最大值、最小值、平均值等的求解，以及生成各类图形。在此过程中，锻炼了自己的学习能力、动手操作能力。希望以后有机会可以更加系统的掌握、了解R语言，并达到熟练的应用。