用R语言进行简单线性回归分析.docx

fire.txt：（数据出自何晓群--应用回归分析）
xy
3.426.2
1.817.8
4.631.3
2.323.1
3.127.5
5.536
0.714.1
3.022.3
2.619.6
4.331.3
2.124
1.117.3
6.143.2
4.836.4
3.826.1

#-------------------------------------------------------------#数据准备
fire<-read.table('D:/fire.txt',head=T)
#-------------------------------------------------------------#回归分析
plot(fire$y~fire$x)
fire.reg<-lm(fire$y~fire$x,data=fire)#回归拟合
summary(fire.reg)#回归分析表
anova(fire.reg)#方差分析表
abline(fire.reg,col=2,lty=2)#拟合直线
#-------------------------------------------------------------#残差分析
fire.res<-residuals(fire.reg)#残差
fire.sre<-rstandard(fire.reg)#学生化残差
plot(fire.sre)
abline(h=0)
text(11,fire.sre[11],label=11,adj=(-0.3),col=2)#标注点
#-------------------------------------------------------------#预测与控制
attach(fire)#连接
fire.reg<-lm(y~x)#这种回归拟合简单
fire.points<-data.frame(x=c(3.5,4))
fire.pred<-predict(fire.reg,fire.points,interval='prediction',level=0.95)#预测：置信区间
fire.pred
detach(fire)#取消连接

--------------------------------------------------------------------------------------------------
#附自编的过程程序：（R最大的好处是可以自己编想要的程序和函数，尤其没有内置函数的时候）
fire<-read.table('D:/fire.txt',head=T)
attach(fire)
--------------------------------------------
lxy<-function(x){
sum<-0
sum0<-0
for(iin1:length(x)){
sum0<-(x[i]-mean(x))*(y[i]-mean(y))
sum<-sum+sum0}
sum}

---------------------------------------------------------------------------------
#用这个就不需要循环了
lxy<-function(x){
mid<-(x-mean(x))*(y-mean(y))
sum<-sum(mid)
sum}
#对于数据框、列表等数据对象要善用apply()函数。
---------------------------------------------------------------------------------

lxx<-function(x){
sum<-0
sum0<-0
for(iin1:length(x)){
sum0<-(x[i]-mean(x))^2
sum<-sum+sum0}
sum}

Lxx<-lxx(x)
Lyy<-lxx(y)
Lxy<-lxy(x)

b1<-Lxy/Lxx;b1#回归系数斜率
b0<-mean(y)-b1*mean(x);b0#回归系数截距
residu<-y-(b0+b1*x);residu#残差
r<-Lxy/sqrt(Lxx*Lyy);r#相关系数
rsqure<-r^2;rsqure#决定系数
adrsqure<-1-((length(x)-1)/(length(x)-2))*(1-r^2)#调整后的决定系数
----------------------------------------------------------------------------------
esrequre<-function(x){