本篇内容主要讲解“R语言怎么实现一元线性回归”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“R语言怎么实现一元线性回归”吧!
创新互联建站是专业的黎平网站建设公司，黎平接单;提供成都网站建设、网站建设,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行黎平网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!
⑴简单线性回归
现实生活中身高是更容易观测的一个量，现在我们基于这些数据建模，通过身高来预测体重，如下所示：
fit=lm(weight~height, data=women)summary(fit)
在上面summary的结果中，Residuals为响应变量的残差情况；Coefficients为系数也即模型参数及其检验结果，其中Intercept为截距；最后一部分为复相关系数的平方也即R2的值及其检验结果。
library(ggplot2)ggplot(women, mapping=aes(x=height, y=weight)) + geom_point(size=2) + geom_smooth(method=lm, se=TRUE, fullrange=TRUE, level=0.95) + theme(axis.title=element_text(size=15, color="black", face="bold", vjust=0.5, hjust=0.5))
回归模型构建后，必须要做模型诊断，来对其中的基础假设（正态性、独立性、线性、同方差性）进行检验，从而增强对其预测未知数据的信心。回归诊断最简单的一个方法就是将模型各种情况进行可视化，如下所示：
par(mfrow=c(2,2))plot(fit)
⑵多项式回归
虽然各种检验结果均是显著的，但是上面的结果并不是很完美，因为我们从数据点的分布很明显看出weight关于height不完全是线性关系，这时候我们可以添加一个二次项来进行多项式回归：
fit2=lm(weight~height+I(height^2), data=women)summary(fit2)
这时的回归方程为weight=0.083*height2-7.35*height+261.88。同样我们可以作图展示：
ggplot(women, aes(x=height, y=weight)) + geom_point(size=2) + geom_smooth(method=lm, se=TRUE, formula=y~x+I(x^2)) + theme(axis.title=element_text(size=15, color="black", face="bold", vjust=0.5, hjust=0.5))
library(ggplot2)N=300x=1:N+rnorm(N, 10, 60)y=1:N+rnorm(N, 10, 60)colour=sample(c('red','blue'), N, replace=TRUE)df=data.frame(x=x, y=y, colour=colour)ggplot(df, aes(x=x,y=y, colour=colour)) + geom_smooth( method='lm', formula=y~poly(x,3), level=0.95) + geom_point(alpha=0.9)ggplot(df, aes(x=x,y=y, colour=colour)) + geom_smooth( method='lm', formula=y~x+I(x^2)+I(x^3), level=0.95) + geom_point(alpha=0.9) 一般情况下，上面两种作图方法是等价的，最终作图结果如下所示：
到此，相信大家对“R语言怎么实现一元线性回归”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！