用r软件做线性回归分析问题.docx

实验一元线性回归分析 一、问题 考察温度对产量的影响，测得下列10组数据: 温度X （°C） 20 25 30 35 ? ?? 40 45 50 55 60 65 产量Y （灯） [ 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x的线性回归方程。 （4） 求出回归的标准误差：与回归拟合系数疋. （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乞，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 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/z25//30//35//40//45//50//55//60//65//ncol=2/byrow=T/dimnames=list(l:10/c( forbes plot(forbes$x,forbes$y) 图表1 8L9LAgsD 8L 9L AgsDq」OJ 20 30 40 50 60 forbes$x 从窗口中可以观察到，X与y大致成线性关系，假设其为y = po + P1X； 做回归分析，输入下列程序： -lm(y/x,data=forbes) summary 得到 Call: lm(formula = y x, data = forbes) Residuals: Min IQ Median 3Q Max Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) *** Signif. codes: 0z***z z**z z*z 7 z, 1 Residual standard error: on 8 degrees of freedom Multiple R-squared: , Adjusted R-squared: F-statistic: on 1 and 8 DF, p-value: 有以上计算结果得： Bo = 9.12121. pi = 0.22303, sd(po) = 0.4770 sd(pi) = 0.1063, 对应两个系数的P-值均小于xW8,是非常显著的， 关于方程的检验，残差的标准差o = 0.483,相关系数的平方R2 = 0.9821,关于F分 布的P-值为xio-8，也是非常显著的。 该模型能够通过t检验和f检验，因此回归方程为 y = 9.12121 4-0.223.3x 我们将得到直线方程放在散点图上，得到图表2： 图农2 forbesSx 下面分析残差，输入 abline -residuals;plot 得到残差图图表3 图农3 0 _9OOOO OOCM10 0 _ 9 O O O O O O CM 10 Index 山上图知大部分点的绝对值都在以内，笫 山上图知大部分点的绝对值都在以内，笫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,[7]Jabels=7/adj= i-l:10;forbes7 Im7-lm(y^x/data=forbes7) summary(lm7) 得到 Call: lm(formula = y ~ x，data = forbes7) Residuals: Min IQ Median 3Q Max Coefficients: EstimateStd. Error t value Pr(|t|) (Intercept) *** Signif. codes: 0^*^ 7 / J1 Residual standard error: on 7 degrees of freedom Multiple R-squared: z Adjusted R-squared: F-statistic: on 1 and 7 DF, p-value: 可以对比发现，回归系数没有发生什么变化，R?系数有所提高，但是p值增大很 多，说明样本点7不能去掉。所以回归方程还是 y = 9.12121 4-0.223.3x 预测 若温度为62。匚给出置信水平为95%的预测区间,输入以下代码 new(x=62) -predict,new/interval=l,prediction,,Jevel= 得到 fit Iwr upr 1 山讣算结果可以得到预测值与相应的预测区间