R语言实验七(共30页).docx

文档介绍：精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
实验七 线性回归分析、回归诊断、稳健回归与4
## 调取数据集
data(anscombe);anscombe
## 作回归并输出回归系数等值
ff <- y ~ x # 将公式赋给变量 ff
for(i in 1:4) {
ff[2:3] <- lapply(paste(c("y","x"), i, sep=""), )
assign(paste("lm.",i,sep=""), lmi<-lm(ff, data=anscombe))
}
GetCoef<-function(n) summary(get(n))$coef
lapply(objects(pat="lm\\.[1-4]$"), GetCoef)
## 绘图
op <- par(mfrow=c(2,2), mar=.1+c(4,4,1,1), oma=c(0,0,2,0))
for(i in 1:4) {
ff[2:3] <- lapply(paste(c("y","x"), i, sep=""), )
plot(ff, data =anscombe, col="red", pch=21,
bg="orange", cex=, xlim=c(3,19), ylim=c(3,13))
abline(get(paste("lm.",i,sep="")), col="blue")
}
mtext("Anscombe's 4 Regression data sets",
outer = TRUE, cex=)
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
par(op)
#5
## (1) 回归
rt<-("F:/文档/大学课程/R语言/ch07/", header=T) # 读数据
<-lm(Y~X, data=rt); # 线性回归
summary()
## (2) 残差图
pre<-();pre # 提取回归值
res<-residuals() # 计算残差
rst<-rstandard() # 计算标准化残差
par(mai=c(, , , ))
plot(pre, res, xlab="Fitted Values", ylab="Residuals")
plot(pre, rst, xlab="Fitted Values",
ylab="Standardized Residuals")
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
## (3) 对残差作回归
rt$res<-res;rt # 原数据增加一列残差
<-lm(abs(res)~X, data=rt) # 用残差绝对值与 X 作回归

summary()
## (4) 用权重修正回归方程
s<-$coefficients[1]+$coefficients[2]*rt$X # 计算残差的标准差，即 s= β 0 + β 1 *x
<-lm(Y~X, data=rt, weights=1/s^2) # 用方差 ( 标准差的平方 ) 的倒数作为样本点的权重，这样做可以减少非齐性方差带来的影响
;summary()
#6 例 的求解：
# 输入数据，作回归分析
fr<-("F:/文档/大学课程/R语言/ch07/", header=T)
X<-fr$X;Y<-fr$Y
<-lm(Y~X); summary()
# 作残差图，确定 B-C 变换中的参数λ
library(MASS) # 加载 MASS 程序包
op <- par(m