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
七夜zippoe3 小时前
Nexent 知识库:调优靠 Chunk 与重排
开发语言·python·ai智能体·nexent·知识库与rag
kyle~4 小时前
C# --- 反射
开发语言·c#
soso19685 小时前
低功耗设计与BMS开发指南
c语言·开发语言·汇编
Risehuxyc6 小时前
来自PHP项目devnexen的回信
开发语言·php
FRing036 小时前
vue2干货总结10(json-server、vant-ui、postcss插件、axios二次封装、图形验证码、toast轻提示)
开发语言·前端·vue.js·ui·json·vue2·postcss
我是大猴子6 小时前
分析sss
开发语言
geats人山人海7 小时前
现代c++4.1
java·开发语言·c++
布莱克6057 小时前
Swift 字符串详解:从基础用法到性能与最佳实践
服务器·开发语言·ssh·字符串·swift
饿了吃洗衣凝珠8 小时前
SELinux
服务器·开发语言·php
蜗牛一步步往上爬8 小时前
第四章 更多的bash shell命令
linux·开发语言·bash