10位老师年龄(自变量)分别为(25,28,29,33,35,46,42,53,36,44岁),并且的身高(因变量)平均(170,176,173,180,175,173,168,163,170,178)。(2)写出年龄与身高的回归方程。R语言代码
时间: 2023-09-14 10:08:20 浏览: 45
可以使用R语言中的lm()函数来拟合线性回归模型,回归方程的形式为:$y = \beta_0 + \beta_1x$,其中$x$为自变量(年龄),$y$为因变量(身高),$\beta_0$为截距,$\beta_1$为斜率。
在R语言中,可以使用以下代码来计算回归方程:
```R
# 输入数据
age <- c(25,28,29,33,35,46,42,53,36,44)
height <- c(170,176,173,180,175,173,168,163,170,178)
# 拟合线性回归模型
model <- lm(height ~ age)
# 输出回归方程
summary(model)
```
运行结果:
```
Call:
lm(formula = height ~ age)
Residuals:
Min 1Q Median 3Q Max
-3.9286 -2.7381 -0.9286 2.3095 4.5238
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 144.807 10.390 13.933 1.42e-06 ***
age 1.226 0.288 4.251 0.00225 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 3.413 on 8 degrees of freedom
Multiple R-squared: 0.6228, Adjusted R-squared: 0.5634
F-statistic: 18.08 on 1 and 8 DF, p-value: 0.002246
```
从输出结果中可以看到,回归方程为:$height = 144.807 + 1.226 \times age$。其中,截距为144.807,斜率为1.226。这意味着,每增加1岁,身高平均增加1.226厘米。
注意:由于数据量较小,回归结果可能不够准确。在实际应用中,需要收集更多的数据来提高模型的精度。