r实战中回归分析代码

1、#简单线性回归fit-lm(weightheight,data=women)#r 中自带的数据集 womensummary(fit)fitted(fit)#可以看到回归的拟合值fit$residuals#可以看到残差值，最大的残差值在身高矮和身高高的地方出现plot(wome n$height,wome n$weight,xlab=Height(i n in ches),ylab=Weight( in poun ds) abline(fit)#两行代码用来画回归拟合直线，abline()里面是串列，注意与lines区别#多项式回归fit2-lm(weightheight+I(heightA2)

2、,data=wome n)summary(fit2) #I(heightA2)表示向预测等式加上一个身高的平方项plot(wome n$height,wome n$weight,xlab=Height(i n in ches),ylab=Weight( in poun ds)lines(women$height,fitted(fit2)#两行代码用来画回归拟合线,lines()里面要是个list，用自变量和拟合值来画线#car 包中的 scatterplot()函数可以提供散点图、线性拟合曲线和平滑曲线、箱线图library(car)scatterplot(weightheight,data=

3、wome n,spread=F,lty.smooth=2,pch=19,main=。,xlab=Height(inches),ylab=Weight(lbs.)#spread=F选项删除了残差正负均方差根，lty.smooth=2选项设置loess拟合曲线为虚线,pch=19设置点为实心圆#多元线性回归states-as.data.frame(state.x77,c(Murder,Population,llliteracy,lncome,Frost)#lm 函数需要一个数据框，这里先创建一个数据框cor(states)#多元分析中，第一步最好检查变量间的相关性fit-lm(MurderPopu

4、lati on +llliteracy+l ncome+Frost,data=states) summary(fit)#做多元线性回归#scatterplotMatrix 函数默认在非对角区域画变量间的散点图并添加平滑曲线，对角区域画每个变量的密度图和轴须图library(car)scatterplotMatrix(states,spread=F,lty.smooth=2,pch=19,ma in=.)#有交互作用的多元线性回归fit-lm(mpghp+wt+hp:wt,data=mtcars)summary(fit)#结果表示交互作用显著，就是说响应变量与其中一个预测变量的关系依赖于另外一个

5、预测变量的水平#effects 包中的 effect()函数用图形展示交互项结果。格式为plot(effect(term,mod,xlevels),multili ne=T),term为要画得交互作用，mod为通过lm你和的模型，xlevels为一个列表，制定变量要设定的值。multiline表示是否添加直线library(effects)plot(effect(hp:wt,fit,list(wt=c(2.2,3.2,4.2),multiline=T)#得到了 wt 为三种值的时候 mpg 和hp的关系#回归诊断#标准方法就是使用 plot函数fit-lm(weightheight,data=

6、women)#r 中自带的数据集 womenpar(mfrow=c(2,2)#将图形组合在一个 2 X 2图中plot(fit)#生成评价模型拟合情况的四幅图形，分别为线性、正态性、同方差性、异常点检验fit2-lm(weightheight+I(heightA2),data=wome n)summary(fit2) #I(heightA2)表示向预测等式加上一个身高的平方项 par(mfrow=c(2,2)#将图形组合在一个 2 X 2图中plot(fit2)#也可从图中看到多项式回归拟合效果比较好，基本符合各种假定newfit-lm(weightheight+l(heightA2),data=women-c(13,15),)#删除观测点 13 和 15 效果更好fit-lm(MurderPopulati on +Illiteracy+