输入

注释

A <- read.table(file="onev.csv", header=TRUE, sep=",")

读入工作目录中数据文件

A

查看矩阵数据

plot (A$x, A$y)

作x，y的散点图

lm.reg <- lm(A$y ~ A$x)

作线性回归

abline(lm.reg)

画出回归曲线

summary(lm.reg)

查看统计结果

Call:

lm(formula = A$y ~ A$x)

Residuals:

     Min       1Q   Median       3Q      Max

-0.67273 -0.33333 -0.07273  0.34545  0.68182

Coefficients:

            Estimate Std. Error t value Pr(>|t|)   

(Intercept)  9.12121    0.47708   19.12  5.8e-08 ***

A$x          0.22303    0.01063   20.97  2.8e-08 ***

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.483 on 8 degrees of freedom

Multiple R-squared: 0.9821,     Adjusted R-squared: 0.9799

F-statistic: 439.8 on 1 and 8 DF,  p-value: 2.805e-08

point <- data.frame(A$x==42)

lm.pred <- predict(lm.reg, point, interval ="prediction" , level = 0.95)

预测理想回归曲线（fit），及其0.05误差上限（upr）、下限（lwr）上得代表点

lm.pred

显示预测点

        fit      lwr      upr

1  13.58182 12.28997 14.87367

2  14.69697 13.45254 15.94140

3  15.81212 14.60448 17.01976

4  16.92727 15.74480 18.10975

5  18.04242 16.87273 19.21212

6  19.15758 17.98788 20.32727

7  20.27273 19.09025 21.45520

8  21.38788 20.18024 22.59552

9  22.50303 21.25860 23.74746

10 23.61818 22.32633 24.91003

结果值为输入数据x对应的理想y值

原始的回归曲线图，斜率一致