文档介绍：实验一元线性回归分析问题考察温度对产量的影响,测得下列10组数据:温度X()20253035404550556065产量Y()、要求(1)试画出这10对观测值的散点图。(2)求Y和X的相关系数,并判断X、Y是否存在线性相关性。(3)用最小二乘法求出Y对的线性回归方程。(4)求出回归的标准误差与回归拟合系数.(5)对回归方程做显著性检验。(6)画出回归残差图并做相应分析。(7)若温度为62,则产量为多少,并给出置信水平为95%的预测区间。三、目的和意义学会使用R软件来做回归分析问题。四、,初步确定回归方程,输入下列程序:>X<-matrix(c(20,,25,,30,,35,,40,,45,,50,,55,,60,,65,),ncol=2,byrow=T,dimnames=list(1:10,c("x","y")))>forbes<-(X)>plot(forbes$x,forbes$y)图表1从窗口中可以观察到,x与y大致成线性关系,假设其为y=β0+β1x;,输入下列程序:><-lm(y~x,data=forbes)>summary()得到Call:lm(formula=y~x,data=forbes)Residuals:Min1QMedian3QMax---:(>|t|)(Intercept)-08***-08***---:0‘***’‘**’‘*’‘.’‘’1Residualstandarderror:-squared:,AdjustedR-squared:-statistic:,p-value:-08有以上计算结果得:β0=,β1=,sdβ0=,sdβ1=,对应两个系数的P-×10-8,是非常显著的,关于方程的检验,残差的标准差σ=,相关系数的平方R2=,关于F分布的P-×10-8,也是非常显著的。该模型能够通过t检验和f检验,因此回归方程为y=+,得到图表2:图表2下面分析残差,输入>abline()><-residuals();plot(),第7个点有点反常,可能存在一点问题,现在做一些简单的处理:text(7,[7],labels=7,adj=)>i<-1:10;forbes7<-