R语言回归数据分析可视化案例报告 (附代码数据).docx

文档介绍：R语言回归数据分析可视化案例报告
使用R做回归分析整体上是比较常规的一类数据分析内容，下面我们具体的了解用R语言做回归分析的过程。
首先，我们先构造一个分析的数据集
接下来，我们进行简单的一元回归分析，选择y作为因变量，varl作R语言回归数据分析可视化案例报告
使用R做回归分析整体上是比较常规的一类数据分析内容，下面我们具体的了解用R语言做回归分析的过程。
首先，我们先构造一个分析的数据集
接下来，我们进行简单的一元回归分析，选择y作为因变量，varl作为自变量。
一元线性回归的简单原理：假设有关系y=c+bx+e,其中c+bx是y随x变化的部分，e是随机误差。可以很容易的用函 数lm()求出回归参数b,c并作相应的假设检验。
model<-lm( y~var1,data=x)
summary( model)
Call:
lm(formula = x$y ~ x$var1 + 1)
Residuals:
Min 1Q Median 3Q Max
- - - 9
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -09
x$var1 - -
Signif. codes: 0 ‘ e**' ‘* f.' f ' 1
Residual standard error: 8 on 18 degrees of freedom
Multiple R-squared: , Adjusted R-squared:
F-statistic: on 1 and 18 DF, p-value:
从回归的结果来看，,变量var1不不显著，。 另外，，说明两者之间不存在相关性。
我们进一步也对，y和var3做线性回归分析
model<-lm(y~var3,data=x)
summary(model)
Call:
lm(formula = y ~ var3, data = x)
Residuals:
Min 1Q Median 3Q Max
- -09080 06566
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 9442 -12
var3 -11
Signif. codes: 0 ‘' ' ‘ f.' f ' 1
Residual standard error: on 8 degrees of freedom
Multiple R-squared: , Adjusted