二、R 语言 线性回归

一、线性回归

#线性回归
#1、标准化
scale()
SL.SC <- scale(iris[1])
SW.SC <- scale(iris[2])
PL.SC <- scale(iris[3])
PW.SC <- scale(iris[4])
#2、查看
range()
#3、线性回归
lm <- lm(Y~X1+X2+X3)
summary(lm)
LM.SC <- lm(SL.SC~SW.SC+PL.SC+PW.SC)
summary(LM.SC)
#4、修正模型
lm <- lm(Y~X1+X2+X3-1)#去掉常数项
summary(lm)
LM.SC <- lm(SL.SC~SW.SC+PL.SC+PW.SC-1)
summary(LM.SC)
#5、验证残差(残差图)
plot(lm,1)#残差处于-1~1并且在0附近
plot(LM.SC,1)
#6、残差Q-Q图
plot(lm,2)#是否服从正态分布
plot(LM.SC,2)
#逐步回归筛选自变量(残差平方和越小拟合优度越好：Sum of Sq)
step(LM.SC)
#线性回归引入分类变量(哑变量)
summary(iris$Species)
spe1 <- rep(0,150)
spe2 <- rep(0,150)
for(i in which(iris$Species=="versicolor")) spe1[i] <- 1
for(i in which(iris$Species=="virginica")) spe2[i] <- 1
#构建线性回归模型
lm.log <- lm(SL.SC~SW.SC+PL.SC+PW.SC+spe1+spe2)
summary(lm.log)