回归分析绘图，预测，残差分析

最新推荐文章于 2026-05-13 14:36:03 发布

原创最新推荐文章于 2026-05-13 14:36:03 发布 · 2.2w 阅读

32 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#函数 #预测 #R语言-回归分析

R语言专栏收录该内容

22 篇文章

订阅专栏

本文介绍了R语言中的线性回归分析，强调了lm函数的应用，并推荐了scatterplot()和scatterplotMatrix()两个实用的绘图函数。通过这些函数，可以便捷地绘制二元关系图、散点图矩阵，包括平滑曲线和线性拟合，以及变量的密度图和轴须图，便于理解数据间的关系和进行预测分析。

线性回归

lm以及一些很好用的函数

fit<- lm(weight~height,data = women)
> summary(fit)
Call:
lm(formula = weight ~ height, data = women)

Residuals:
    Min      1Q  Median      3Q     Max 
-1.7333 -1.1333 -0.3833  0.7417  3.1167 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) -87.51667    5.93694  -14.74 1.71e-09 ***
height        3.45000    0.09114   37.85 1.09e-14 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.525 on 13 degrees of freedom
Multiple R-squared:  0.991, Adjusted R-squared:  0.9903 
F-statistic:  1433 on 1 and 13 DF,  p-value: 1.091e-14
#拟合出的结果
> fitted(fit)
       1        2        3        4        5        6 
112.5833 116.0333 119.4833 122.9333 126.3833 129.8333 
       7        8        9       10       11       12 
133.2833 136.7333 140.1833 143.6333 147.0833 150.5333 
      13       14       15 
153.9833 157.4333 160.8833
 #每一个点的残差值
> residuals(fit)
          1           2           3           4           5 
 2.41666667  0.96666667  0.51666667  0.06666667 -0.38333333 
          6           7           8           9          10 
-0.83333333 -1.28333333 -1.73333333 -1.18333333 -1.63333333 
         11          12          13          14          15 
-1.08333333 -0.53333333  0.01666667  1.56666667  3.11666667 
#置信区间97.5%
> confint(fit)
                  2.5 %     97.5 %
(Intercept) -100.342655 -74.690679
height         3.253112   3.646888
> fit

Call:
lm(formula = weight ~ height, data = women)

Coefficients:
(Intercept)       height  
     -87.52         3.45

scatterplot()可以很容易方便的绘制二元关系图

> scatterplot(weight~height,data = women,spread = FALSE,lty.smoother = 3,pch = 19,xlab = "Height(inches)",ylab="Weights(lbs.)",main = "Women Age 30-39")

这里写图片描述

scatterplotMatrix()函数默认在非对角线区域绘制变量间的散点图，并添加平滑（loess）
和线性拟合曲线。对角线区域绘制每个变量的密度图和轴须图。

> states <- as.data.frame(state.x77[,c("Murder","Population","Illiteracy","Income","Frost")])
> ?state.x77
#不同变量之间的相关系数
> cor(states)
               Murder Population Illiteracy     Income
Murder      1.0000000  0.3436428  0.7029752 -0.2300776
Population  0.3436428  1.0000000  0.1076224  0.2082276
Illiteracy  0.7029752  0.1076224  1.0000000 -0.4370752
Income     -0.2300776  0.2082276 -0.4370752  1.0000000
Frost      -0.5388834 -0.3321525 -0.6719470  0.2262822
                Frost
Murder     -0.5388834
Population -0.3321525
Illiteracy -0.6719470
Income      0.2262822
Frost       1.0000000
> library(car)
> scatterplotMatrix(states,spread = FALSE,lty = 2,main = "Scatter Plot Matrix")