如何理解R語言中的簡單線性回歸

這篇文章給大家介紹如何理解R語言中的簡單線性回歸，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

R語言基礎知識：

簡單線性回歸

> fit <- lm(weight ~height,data=women)

> summary(fit)

Call:

lm(formula = weight ~ height, data = women)

Residuals:

    Min      1Q  Median      3Q     Max 

-1.7333 -1.1333 -0.3833  0.7417  3.1167 

Coefficients:

             Estimate Std. Error t value Pr(>|t|)    

(Intercept) -87.51667    5.93694  -14.74 1.71e-09 ***

height        3.45000    0.09114   37.85 1.09e-14 ***

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.525 on 13 degrees of freedom

Multiple R-squared:  0.991, Adjusted R-squared:  0.9903 

F-statistic:  1433 on 1 and 13 DF,  p-value: 1.091e-14

> women$weight

 [1] 115 117 120 123 126 129 132 135 139 142 146 150 154 159 164

> fitted(fit)

       1        2        3        4        5        6        7        8        9       10 

112.5833 116.0333 119.4833 122.9333 126.3833 129.8333 133.2833 136.7333 140.1833 143.6333 

      11       12       13       14       15 

147.0833 150.5333 153.9833 157.4333 160.8833 

> residuals(fit)

          1           2           3           4           5           6           7 

 2.41666667  0.96666667  0.51666667  0.06666667 -0.38333333 -0.83333333 -1.28333333 

          8           9          10          11          12          13          14 

-1.73333333 -1.18333333 -1.63333333 -1.08333333 -0.53333333  0.01666667  1.56666667 

         15 

 3.11666667 

> plot(women$height,women$weight,xlab="Height(in inpches",ylab = "Weight(in pounds")

> abline(fit)

公式：

因為身高不可能為0，它僅僅是一個常量調整整 。在Pr(>|t|) ，可以看到回歸系數(3.45)顯著不為0(p<0.001)，表明身高每增高1英寸 體重將預期增加3.45磅 ，R平方 (0.991)表明模型可以解釋體 99.1%的方差，它也是實際和預測之間的相關系數(R2 = r2YY)。殘差標準 (1.53 lbs) 可認為是模型用身高預測體重的平均誤差。F統計檢驗量所有的預測響應量預測量是否都在某個幾水平之上。由于簡單回歸只有一個預測邊量，此 F檢驗等同于身高回歸系數的t 檢驗。

關于如何理解R語言中的簡單線性回歸就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。