R lm() 函数 - 线性回归模型
R 语言实例R lm() 函数用于拟合线性回归模型，分析自变量与因变量之间的线性关系。
线性回归是统计建模中最基础也最重要的工具之一。
lm() 函数语法格式如下：
lm(formula, data)
参数说明：
formula 公式，格式为 y ~ x1 + x2 + ...，其中 y 是因变量，x 是自变量。
data 数据框，包含公式中的变量。
实例
# 广告投入与销售额数据
ad_spend <- c(10, 15, 12, 18, 20, 14, 22, 16, 25, 19)
sales <- c(50, 65, 55, 72, 80, 60, 88, 68, 95, 75)
# 拟合线性模型
model <- lm(sales ~ ad_spend)
# 查看模型摘要
print(summary(model))
# 预测新数据
new_spend <- data.frame(ad_spend = c(17, 23))
predictions <- predict(model, new_spend)
print(paste("预测销售额:", predictions))
ad_spend <- c(10, 15, 12, 18, 20, 14, 22, 16, 25, 19)
sales <- c(50, 65, 55, 72, 80, 60, 88, 68, 95, 75)
# 拟合线性模型
model <- lm(sales ~ ad_spend)
# 查看模型摘要
print(summary(model))
# 预测新数据
new_spend <- data.frame(ad_spend = c(17, 23))
predictions <- predict(model, new_spend)
print(paste("预测销售额:", predictions))
执行以上代码输出结果为：
Call:
lm(formula = sales ~ ad_spend)
Residuals:
Min 1Q Median 3Q Max
-4.3780 -1.5831 -0.4329 1.8202 4.9347
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 17.1622 3.4394 4.990 0.00106 **
ad_spend 3.0623 0.1933 15.839 2.42e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 2.829 on 8 degrees of freedom
Multiple R-squared: 0.9691, Adjusted R-squared: 0.9652
F-statistic: 250.9 on 1 and 8 DF, p-value: 2.422e-07
[1] "预测销售额: 69.2218150385764 87.5953501640316"
R-squared 为 0.9691，说明广告投入可以解释约 97% 的销售额变化。