R语言线性回归

在R语言中，你可以使用内置的lm函数进行线性回归分析。以下是一个简单的线性回归的例子：

数据准备

# 使用内置数据集mtcars
data(mtcars)

运行线性回归

# 运行线性回归，以mpg为因变量，wt和hp为自变量
model <- lm(mpg ~ wt + hp, data = mtcars)

# 显示回归结果
summary(model)

在上述代码中，mpg是因变量，wt和hp是自变量。lm函数用于拟合线性模型。summary函数用于显示回归结果的详细信息。

绘制散点图和回归线

# 安装并加载ggplot2包
install.packages("ggplot2")
library(ggplot2)

# 绘制散点图和回归线
ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, col = "blue") +
  labs(title = "Scatterplot and Regression Line", x = "Weight", y = "MPG")

上述代码中，使用ggplot2包绘制了散点图和拟合的线性回归线。

这只是一个简单的线性回归的例子，实际应用中，你可能需要考虑更多的统计检验、模型诊断、残差分析等步骤。在进行线性回归分析时，确保你对数据的背景和问题有充分的理解，并根据需要采取适当的数据处理和模型调整步骤。

转载请注明出处：http://www.pingtaimeng.com/article/detail/6417/R语言