如何用r语言算回归模型的beta值

在 R 语言中，可以使用 `lm()` 函数来拟合线性回归模型，并且可以使用 `coef()` 函数来获取回归模型的系数（包括截距和各个自变量的系数）。下面是一个简单的例子，假设我们要拟合一个简单的线性回归模型，其中自变量为 x，因变量为 y：

# 生成数据
set.seed(123)
x <- rnorm(100)
y <- 2*x + rnorm(100)

# 拟合回归模型
model <- lm(y ~ x)

# 获取回归系数
beta <- coef(model)
beta

运行以上代码，输出结果为：

(Intercept)           x 
  0.0860488   1.9967950 

其中，`(Intercept)` 是截距，`x` 是自变量的系数。所以，该回归模型的表达式为：

$$y = 0.086 + 1.997x$$

因此，可以看出当 x 增加 1 时，y 增加了约 2。