利用R软件进行回归分析

1、打开R软件，文件>新建脚本程序，输入需要进行回归分析的数据。首先绘制出散点图，观察二者的关系是线性的或荨层吒椋者非线性的，以建立合适的回归模型。程序代码：#输入数据x=c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24)y=c(276,277,283,294,308,330,355,387,422,461,507,558,613,675,741,811,886,966,1053,1142,1239,1340,1445,1556)#绘制散点图plot(x,y,col=1:7)其中plot为绘图命令，col表示散点的颜色。运行后得到下图。

3、查看显著性检验结果。运行代码summary(test)表示提取模型的计算结果。该结果中，call显示出模型公式，residuals显示出残差的四分位数值，estimate这一列反映了模型的参数估计值，std.Error为标准差，Pr(>|t|)这一列位计算的P值，最下面是解释。可以看出该模型的每个参数的P值的显著性标记均为“***”，表示极为显著。该模型通过回归检验。

5、计算全部拟合值，并绘制拟合曲线图。#计算全部拟合值nihe=predict(test)#曲线拟合图plot(x,y,col=1:7)lines(nihe)其中predict计算出全部拟合值。在绘制曲线命令lines()之前，需要先用plot()绘制出散点图。从图中可以看出，拟合效果非常好。

6、在实际数据分析中，还会涉及多元线性回归方程、非线性回归模型等。可以使用命令lm(y~X1+X2+X3+I(X3^2)).....等等建立合适的模型，以得到更好的拟合效果。