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
麻芝汤圆11 分钟前
MapReduce 的广泛应用:从数据处理到智能决策
java·开发语言·前端·hadoop·后端·servlet·mapreduce
珊瑚里的鱼15 分钟前
第五讲(下)| string类的模拟实现
开发语言·c++·笔记·程序人生·算法·visualstudio·visual studio
哈哈哈哈哈哈哈哈哈...........17 分钟前
【java】在 Java 中,获取一个类的`Class`对象有多种方式
java·开发语言·python
@小白向前冲22 分钟前
python 重要易忘 语言基础
开发语言·python
蹦蹦跳跳真可爱58925 分钟前
Python----计算机视觉处理(Opencv:道路检测之车道线拟合)
开发语言·人工智能·python·opencv·计算机视觉
6<729 分钟前
【go】空接口
开发语言·后端·golang
武昌库里写JAVA38 分钟前
Golang的消息中间件选型
java·开发语言·spring boot·学习·课程设计
染指11101 小时前
6.第二阶段x64游戏实战-分析人物状态
开发语言·汇编·windows·游戏·游戏逆向·x64dbg·x64游戏
forestsea2 小时前
Java虚拟机面试题:内存管理(中)
java·开发语言
longlong int2 小时前
【每日算法】Day 17-1:位图(Bitmap)——十亿级数据去重与快速检索的终极方案(C++实现)
开发语言·c++·算法