统计-一文教会你如何用R做线性回归

线性回归是模型中最基本的一种，怎么用R做，怎么读懂各项统计指标呢？

上代码

1. 给出数据

mouse.data<-data.frame(
   weight=c(1.8,0.9,2.4,3.5,3.9,4.4,5.1,5.6,6.3),
   size=c(1.4,2.6,1.0,3.7,5.5,3.2,3.0,4.9,6.3))
##看一下
mouse.data

image.png

2.看一下数据分布

plot(mouse.data$weight,mouse.data$size)

image.png

3. 拟合线性回归方程

mouse.regression<-lm(size~weight, data=mouse.data)

4. 查看模型拟合情况

summary(mouse.regression)

image.png

5. 各项指标解读

image.png

1 模型拟合残差：各点到拟合直线的距离
2 两个变量的情况：截距(Intercept)和因变量(weight)
3 两个变量的P值：即显著程度，由于截距的P值是否显著不影响拟合的精确度，所以不看。而因变量的P值小于0.05，很好。*代表显著程度，越多越好
4 Multiple R-squared： 越接近1说明越精准
Adjusted R-squared: 矫正后的R方值，除去过变量自身的干扰，比R方更准确
F值：衡量R方是否显著
P-value：这个方程是否显著

6.显示拟合的直线

abline(mouse.regression)

image.png