线性回归及结果分析.doc

专业科研训练
学院
专　业
姓名
学　号
姓名
学　号
姓名
学　号
班　　级
指导教师
2014年12月-2015年1月
题目:
d和Adjusted R-squared这两个值，其实我们常称之为“拟合优度”和“修正的拟合优度”，是指回归方程对样本的拟合程度几何，这里我们可以看到，修正的拟合优度=，表示拟合程度很高。最后，我们看F-statistic，也就是我们常说的F统计量，也成为F检验，常常用于判断方程整体的显著性检验，-11，显然是<，我们可以认为方程在P=。这样，我们可以稍微这样总结一下：T检验是检验解释变量的显著性的；R-squared是查看方程拟合程度的；F检验是检验方程整体显著性的；（2）软件运行结果：
Call:
lm(formula = y ~ 1 + x + I(x^2))
Residuals:
Min 1Q Median 3Q Max
- - -
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) < 2e-16 ***
x -10 ***
I(x^2) - - -05 ***
---
Signif. codes: 0 ‘***’ ‘**’ ‘*’ ‘.’ ‘ ’ 1
Residual standard error: on 11 degrees of freedom
Multiple R-squared: , Adjusted R-squared:
F-statistic: 1391 on 2 and 11 DF, p-value: -14
由以上拟合得线性回归模型为：
,
结果分析：
同上述参数描述，不做冗余介绍。
本次拟合修正的拟合优度=，表示拟合程度很高。然后，我们看 F统计量，-14，显然是<，我们可以认为方程在P=。
（3）软件运算结果：
散点图和拟合曲线如上图所示。
所有代码：
x<-c(rep(0:6,rep(2,7)))rep通过重复产生复杂序列
y<-c(,,,,,,,,,,,,,)
f<-lm(y~1+x)
summary(f)
f<-lm(y~1+x+I(x^2));summar