# R in action读书笔记（8）-第八章：回归

8.1回归的多面性

8.2 OLS回归

OLS回归拟合模型形式:

8.2.1用lm()拟合回归模型

myfit<-lm(formula,data)

formula指要拟合的模型形式，data是一个数据框，包含了用于拟合模型的数据。

8.2.2简单线性回归

> 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 valuePr(>|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 standarderror: 1.525 on 13 degrees of freedom

F-statistic: 1433 on 1 and 13 DF, p-value: 1.091e-14

> plot(women\$height,women\$weight,xlab="h",ylab="w")

> abline(fit)

8.2.3多项式回归

> plot(women\$height,women\$weight,xlab="h",ylab="w")

> abline(fit)

> fit2<-lm(weight~height+I(height^2),data=women)

> plot(women\$height,women\$weight,xlab="height(ininches)",ylab="weight (in lbs)")

> lines(women\$height,fitted(fit2))

8.2.4多元线性回归

> library(car)

> states<-as.data.frame(state.x77[,c("Murder","Population","Illiteracy","Income","Frost")])

> cor(states)

Murder PopulationIlliteracy 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

8.2.5有交互项的多元线性回归

> fit<-lm(mpg~hp+wt+hp:wt,data=mtcars)

> summary(fit)

Call:

lm(formula = mpg ~ hp +wt + hp:wt, data = mtcars)

Residuals:

Min 1Q Median 3Q Max

-3.0632 -1.6491-0.7362 1.4211 4.5513

Coefficients:

Estimate Std. Error t valuePr(>|t|)

(Intercept)49.80842 3.60516 13.816 5.01e-14 ***

hp -0.12010 0.02470 -4.863 4.04e-05 ***

wt -8.21662 1.26971 -6.471 5.20e-07 ***

hp:wt 0.02785 0.00742 3.753 0.000811 ***

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’1

Residual standarderror: 2.153 on 28 degrees of freedom

F-statistic: 71.66 on 3and 28 DF, p-value: 2.981e-13

Effects包中的effect（）函数，可以用图形展示交互项的结果

Plot(effect(term,mod,xlevels),multiline=TRUE)

term即模型要画的项，mod为通过lm ( )拟合的模型，xlevels是一个列表，指定变量要设定的常量值，multiline=TRUE选项表示添加相应直线。

0 条评论

• ### R语言教程之-线性回归

回归分析是一种非常广泛使用的统计工具，用于建立两个变量之间的关系模型。 这些变量之一称为预测变量，其值通过实验收集。 另一个变量称为响应变量，其值从预测变量派生...

• ### 用 Python 手写十大经典排序算法

来源：https://github.com/hustcc/JS-Sorting-Algorithm

• ### 来!一起捋一捋机器学习分类算法

可是，你能够如数家珍地说出所有常用的分类算法，以及他们的特征、优缺点吗？比如说，你可以快速地回答下面的问题么:

• ### jQuery插件编写步骤详解

本文实例讲述了jQuery插件编写步骤。分享给大家供大家参考，具体如下： 如今做web开发，jquery 几乎是必不可少的，就连vs神器在2010版本开始将Jq...

• ### 网络安全究竟是什么？

“网络安全”是指任何活动旨在保护您的网络和数据的可用性和完整性。它包括硬件和软件技术。有效的网络安全管理对网络的访问。它针对的是一种不同的威胁,阻止他们进入或在...

• ### 币聪-争分夺秒DeepBrain Chain成功推出AI培训网络，下半年主网将进一步完善AI testnet

2018年8月8日，雄心勃勃的DeepBrain Chain项目启动了AI培训网络，实现了为人工智能计算能力和算法创建完全分散的市场的重要里程碑。

• ### IDEA 导入项目后找不到右侧的Maven

有时候在导入项目的时候如果有些奇葩项目没有在根目录下建pom的时候，idea就不会标识其为maven项目，并右侧不会显示出maven相关的标签。

• ### 挑战程序竞赛系列（48）：4.2 推理与动态规划算法（1）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.n...

• ### h3c交换机gvrp

GARP提供了一种机制，用于协助同一个局域网内的交换成员之间分发、传播和注 册某种信息(如VLAN、组播地址等)。GARP本身不作为一个实体存在于设备中，遵循G...

• ### CSS布局那点事儿

布局 最开始老的一代网站开发，布局都是通过表格实现的。 这样可以形成规整的网格布局，但是也会带来一定的复杂性。比如想要新增某个页面元素，就有可能要改动整个表格...