R語言實(shí)驗(yàn)報(bào)告

1、R語言實(shí)驗(yàn)報(bào)告回歸分析中身高預(yù)測體重的模型學(xué)院：班級(jí)：學(xué)號(hào)：姓名：導(dǎo)師：成績：目錄一、實(shí)驗(yàn)背景 1二、實(shí)驗(yàn)?zāi)康?1三、實(shí)驗(yàn)環(huán)境 1四、實(shí)驗(yàn)內(nèi)容 11. 給出實(shí)驗(yàn)女性的身高體重信息； 22. 運(yùn)用簡單線性回歸分析； 23. 運(yùn)用多項(xiàng)式回歸分析 2五、實(shí)驗(yàn)過程 2（一）簡單線性回歸 21. 展示擬合模型的詳細(xì)結(jié)果 22. 女性體重的數(shù)據(jù) 23. 列出擬合模型的預(yù)測值 34. 列出擬合模型的殘差值 35. 得出身高預(yù)測體重的散點(diǎn)圖以及回歸線 3（二）多項(xiàng)式回歸 51. 展示擬合模型的詳細(xì)結(jié)果 52. 身高預(yù)測體重的二次回歸圖 5六、實(shí)驗(yàn)分析 7七、總結(jié) 7一、實(shí)驗(yàn)背景從許多方面來看，回歸分析都是統(tǒng)計(jì)

2、學(xué)的核心。她其實(shí)是一個(gè)廣 義的概念，通指那些用一個(gè)或多變量（也稱自變量或解釋變量）來預(yù) 測響應(yīng)變量（也稱因變量、效標(biāo)變量或結(jié)果變量）的方法。通常，回 歸分析可以用來挑選與響應(yīng)變量相關(guān)的解釋變量， 可以描述兩者的關(guān) 系，也可以生成一個(gè)等式，通過解釋變量來預(yù)測響應(yīng)變量。二、實(shí)驗(yàn)?zāi)康腞是用于統(tǒng)計(jì)分析、繪圖的語言和操作環(huán)境。R是屬于GNL系統(tǒng)的一個(gè)自由、免費(fèi)、源代碼開放的軟件，它是一個(gè)用于統(tǒng)計(jì)計(jì)算和統(tǒng) 計(jì)制圖的優(yōu)秀工具；本次試驗(yàn)要求掌握了解 R語言的各項(xiàng)功能和函數(shù)，能夠通過完成 試驗(yàn)內(nèi)容對R語言有一定的了解，會(huì)運(yùn)用軟件對數(shù)據(jù)進(jìn)行分析；通過本實(shí)驗(yàn)加深對課本知識(shí)的理解以及熟練地運(yùn)用R語言軟件來解決一些復(fù)雜

3、的問題。三、實(shí)驗(yàn)環(huán)境Windows系統(tǒng)，R或者 R Studio四、實(shí)驗(yàn)內(nèi)容本實(shí)驗(yàn)提供了 15個(gè)年齡在30 39歲間的女性的身高和體重信息， 運(yùn)用回歸分析的方法通過身高來預(yù)測體重， 獲得一個(gè)等式可以幫助我 們分辨哪些過重或過輕的個(gè)體。1. 給出實(shí)驗(yàn)女性的身高體重信息；2. 運(yùn)用簡單線性回歸分析；3. 運(yùn)用多項(xiàng)式回歸分析五、實(shí)驗(yàn)過程(一)簡單線性回歸1. 展示擬合模型的詳細(xì)結(jié)果> fit <- lm(bveight - height, data-wmer；> summary(fit)call:Im(formula = weight - heighth data = woaen)

4、Residuals:Kin lq Median Sq i*iax-1.7333 -1.1333 -O.3B33 0.7417 3.11G7coefficients:Estimate std. Error t value pr(>|r|)(Intercept) -B7.5166? 19托斡-14.74 l,71e-09 * height3.45000 0,09114 375 LQ944 的Slgrrff. codes: 0 (*' 0.001 (*f 0.010.05 / 0.1 1 ' 1Residual standard arror: 1.525 on 13 degre

5、es of freedom multiple R-squared: D+ 531( Adjusted R'Sqidred: 0.9903F-statistic: 1433 on 1 and 13 OF, p-value: l»051e-142. 女性體重的數(shù)據(jù)> wom&njweight1 1L5 117 120 123 12b 129 132 135 1J9 142 L換 15C 15已 1 刃 1643. 列出擬合模型的預(yù)測值I 24ifi 7 I 9 IDn 血訊皿刪122陽血朋1曲刖1加冊1加用咖朋14廁II 121311L514血曲朋血血必佃肌般 I

6、I 4. 列出擬合模型的殘差值> residui5(tit)12345S7246踰 師6667 0.51666667 O.066666M 4別用用 4超3拐丄28卿33389101112131447B3BB 4.1*333333 -16333 3 33 -L08333B30l師666? 1J6做66?15J,116666675. 得出身高預(yù)測體重的散點(diǎn)圖以及回歸線>曲儷郵時(shí)札冊側(cè)g肚-taiwr Age+沁刪ht (in in(血兒+ylib="Meight (in poumls)11)Nit <Return> to ste 曲 pd: ablintit)&g

7、t; ihline(fit)Wome n Age 30-390 610 510410 310 21)s d n u o p nm h 卩 e lI60626466687072Height (in in ches)58(二)多項(xiàng)式回歸1. 展示擬合模型的詳細(xì)結(jié)果> fii2 <-、命Mghi - height + ifheigh), dauomen)> 5Lnmary(fit2)call：1i(foriu1a = weight - height + l(heightA2)f data = wonen：Residuals:Min 1Q卩Ed諭 3Q 愉-0.50M1 -0.29G

8、U -0.00941 0.2861S 0M6coeffkients:EstJuiate Sti Error t value Pr(>|t|) (intercept) 261.87818 25.19677 10.39S 2.3fie-07 * heicht7.J48320.77769 -1449 6.5M7I(Mg枕)O.OSJOf O.W598 13.891 9.32e-» *signif. codes: 0 (*f 0.M10.010.05 UJ 1 1 1Rsidual standard error: 0.3841 on 12 degras of freedomMultip

9、le R-squared: 0.3995. Adjusted R-squared: J.9994F-statistic: 1.139酣M on 2 and 12 Of, p-value: < 2.2e-15I2. 身高預(yù)測體重的二次回歸圖>風(fēng)跚刪陽曬血確+ nain=vm卅9；+ilab=1lweigh: (in inched,+yli'Kil (in lbs)M)nit 他m to see next plot: linMim伽仏fittMfiE)Q?05Women Age 30-3960 626466687072I58Height (in inches)06*Z y上AX

10、1尹Women Age 30-3960 626466687072Height (in ches)六、實(shí)驗(yàn)分析（一）簡單線性回歸通過輸出結(jié)果，可以得到預(yù)測等式：Weight=-87.52+3.45*Height因?yàn)樯砀卟豢赡転?0，所以沒必要給截距項(xiàng)一個(gè)物理解釋，它僅僅是一個(gè)常量調(diào)整項(xiàng)。在Pt（ >|t| ）欄，可以看到回歸系數(shù)（3.45 ）顯著不為0（ P<0.001），表明身高每增高1英寸，體重預(yù)期增加 3.45磅。R平方項(xiàng)（0.991 ）表明模型可以解釋體重99.1%的方差，它也是實(shí)際和預(yù)測值之間的相關(guān)系數(shù)的平方（R2=r）。參差標(biāo)準(zhǔn)誤則可認(rèn)為是模型用身高預(yù)測體重的平均誤差。我們已經(jīng)輸出了真實(shí)值、預(yù)測值和殘差值，由身高預(yù)測體重的散點(diǎn)圖，可以看出最大的殘差值在身高矮和身高高的地方出現(xiàn)。（二）多項(xiàng)式回歸新的預(yù)測等式為：2Weight=261.88-7.35* Height Height+0.083* Height在p<0.001的水平下，回歸系數(shù)都非常顯著。模型的方差解釋率已經(jīng)增加到了99.9%。二次項(xiàng)的顯著性（t=13.89,p<0.001