用r经行一元线性回归分析

在R语言中进行一元线性回归分析通常涉及以下几个步骤：

1. **加载数据**：首先确保你已经安装了`readr`（如果需要读取CSV文件）或直接从内置数据集导入数据，如`mtcars`。

# 如果使用内置数据
data(mtcars)

2. **数据预处理**：检查数据是否有缺失值，并根据需要清洗数据。可以使用`summary()`函数了解变量分布情况。

3. **创建模型**：使用`lm()`函数构建线性回归模型，例如对mpg（油耗）预测horsepower（马力）：

   model <- lm(mpg ~ horsepower, data = mtcars)

4. **查看模型摘要**：通过`summary(model)`查看模型的系数、截距、残差标准误差等重要统计信息。

5. **绘制散点图与回归线**：使用`plot()`函数展示数据点及拟合的回归线：

   plot(mtcars$horsepower, mtcars$mpg, main = "Horsepower vs MPG", xlab = "Horsepower", ylab = "Miles per Gallon")
   abline(model, col = "red")  # 绘制回归线

6. **评估模型**：计算一些指标，如决定系数（R²）、调整决定系数（Adjusted R²）和F检验，来衡量模型的好坏：

   summary(model)$adj.r.squared
   anova(model)