用R语言进行一元线性回归分析

一、数据集如下:

|----|------|------|------|------|------|------|------|------|------|------|
| 温度对产量的影响 |||||||||||
| 温度 | 20 | 25 | 30 | 35 | 40 | 45 | 50 | 55 | 60 | 65 |
| 产量 | 13.2 | 15.1 | 16.4 | 17.1 | 17.9 | 18.7 | 19.6 | 21.2 | 22.5 | 24.3 |

二、绘制数据的散点图

x<-c(20,25,30,35,40,45,50,55,60,65)

y<-c(13.2,15.1,16.4,17.1,17.9,18.7,19.6,21.2,22.5,24.3)

plot(x,y)

运行得到:

从图中可以看到,变量温度与产品是近似的线性关系。

三、建立变量的线性方程,并进行显著性检验

lm.reg<-lm(y~x)

summary(lm.reg)

运行得到:

回归方程的显著性检验的F统计量的P值2.805e-08和系数的显著性检验的t值2.8e-08和5.8e-08都低于显著性水平0.05,故回归方程和参数都通过了检验,R方为0.9799,说明数据的97%可由回归方程描述。

四、回归参数区间估计

使用confint(lm.reg,level=0.95)得到回归参数的区间估计

五、对回归方程的误差项独立同正态分布的假设进行检验

op<-par(mfrow=c(2,2)

plot(lm.reg)

par(op)

1、从Residual 与fitted为拟合值对残差的图形,可以看出数据点基本均匀的分布在直线y=0的两侧。

2、从正态OO图可以看到,图中数据点分布趋于一条直线,说明残差服从正态分布。

3、显示标准化残差的平方根分布情况。

4、cook距离显示样本点对回归的影响点。

六、绘制标准化残差散点图

res<-rstandard(lm.reg)

plot(res)

从图中可以看到,标准化残差的绝对值都<=2,可以认为无可疑和异常的样本点。

七、预测

要求出当温度为42度时,产量的预测值和预测区间

执行命令:

df<-data.frame(x=42)

lm.pred<-predict(lm.reg,df,interval='prediction',level=0.95)

im.pred

从而得到了温度42度,产量的预测值和预测区间。

相关推荐
钢铁男儿12 分钟前
C# 深入理解类:面向对象编程的核心数据结构
开发语言·数据结构·c#
Doker 多克37 分钟前
Python-Django系列—部件
开发语言·python
江沉晚呤时1 小时前
深入解析 ASP.NET Core 中的 ResourceFilter
开发语言·c#·.net·lucene
huangyuchi.1 小时前
【C++11】Lambda表达式
开发语言·c++·笔记·c++11·lambda·lambda表达式·捕捉列表
XiaoyuEr_66881 小时前
如何创建一个C#项目(基于VS2022版)
开发语言·c#
Mercury-circle2 小时前
JavaScript基础知识合集笔记1——数据类型
开发语言·javascript·笔记
蹦蹦跳跳真可爱5892 小时前
Python----深度学习(基于DNN的PM2.5预测)
人工智能·pytorch·python·深度学习·线性回归·dnn
Chase_______2 小时前
Java后端开发——分层解耦详解
java·开发语言·spring·web
喝可乐的布偶猫2 小时前
Java----super 关键字
java·开发语言
篱笆院的狗2 小时前
Java 中 ConcurrentHashMap 1.7 和 1.8 之间有哪些区别?
java·开发语言