R语言一元线性回归拟合

一元线性回归是一种统计学方法，用于建立一个因变量和一个自变量之间的线性关系模型。在R语言中，可以使用lm()函数进行一元线性回归拟合。下面是一个简单的例子：

假设我们有一个数据集，包含了一个因变量y和一个自变量x：

x <- c(1, 2, 3, 4, 5)
y <- c(2, 4, 5, 4, 5)

我们可以使用lm()函数进行拟合，代码如下：

fit <- lm(y ~ x)

其中，y ~ x表示y是因变量，x是自变量。拟合结果存储在fit中。

我们可以使用summary()函数查看拟合结果：

summary(fit)

输出结果如下：

Call:
lm(formula = y ~ x)

Residuals:
     1      2      3      4      5 
-0.200  0.400 -0.400  0.400 -0.200 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)
(Intercept)   1.4000     0.4899   2.857   0.0477 *
x             0.6000     0.1843   3.255   0.0344 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.4899 on 3 degrees of freedom
Multiple R-squared:  0.7333,	Adjusted R-squared:  0.6 
F-statistic: 5.333 on 1 and 3 DF,  p-value: 0.03438

其中，Estimate表示回归系数的估计值，Std. Error表示标准误差，t value表示t值，Pr(>|t|)表示p值。Residual standard error表示残差标准误差，Multiple R-squared表示多重R平方，Adjusted R-squared表示调整后的R平方，F-statistic表示F值，p-value表示p值。

我们可以使用plot()函数绘制拟合结果的散点图和回归直线：

plot(x, y)
abline(fit, col = "red")

其中，abline()函数用于绘制回归直线，col参数指定颜色。运行结果如下图所示：