[英]Equation of the estimated regression line
我现在正在做一个作业,我得到了数据集(见下文),并被要求获得估计回归线的方程。
我知道我需要找到的答案是118.91-0.905x
(这在答案键中)但我拥有的代码给了我答案130.85-1.076x
。 我不确定我的代码有什么问题。 我已经检查了很多次,没有发现任何问题。 我还仔细检查了我的数据是否正确,并且对我来说似乎是正确的。 这就是我在 R-Studio 中所做的:
> data = read.csv("P17.csv", header = TRUE)
> data
x y
1 99.0 28.8
2 101.1 27.9
3 102.7 27.0
4 103.0 25.2
5 105.4 22.8
6 107.0 21.5
7 108.7 20.9
8 110.8 19.6
9 112.1 17.1
10 112.4 18.9
11 113.6 16.0
12 113.8 16.7
13 115.1 13.0
14 115.4 13.6
15 120.0 10.8
> plot(data[,1],data[,2],main="Concrete Specimen", xlab="Unit Weight (pcf)",ylab="Porosity (%)",pch=19)
> cor(data[,1], data[,2])
[1] -0.9868573
> data.lm=lm(data[,1]~data[,2])
> data.lm
Call:
lm(formula = data[, 1] ~ data[, 2])
Coefficients:
(Intercept) data[, 2]
130.854 -1.076
这是我正在使用的数据:
x,y
99.0,28.8
101.1,27.9
102.7,27.0
103.0,25.2
105.4,22.8
107.0,21.5
108.7,20.9
110.8,19.6
112.1,17.1
112.4,18.9
113.6,16.0
113.8,16.7
115.1,13.0
115.4,13.6
120.0,10.8
这个作业的问题是找到估计回归线的方程。 数据以多个 (x, y) 坐标点的形式提供。 假设方程公式为:
斜率m和 y 截距b 。
R 中的lm
function 使用使用~
运算符的公式。
~
运算符是形成此类模型的基础。 y ~ model 形式的表达式被解释为响应 y 由 model 符号指定的线性预测器建模的规范。
在此处查看有关公式的更多信息。
在这种情况下,如果您想要响应y (孔隙率),由预测变量x (重量)建模,您将拥有:
lm(data[,2] ~ data[,1])
其中data[,2]
是第二列数据y ,而data[,1]
是第一列x 。
这会给你:
Call:
lm(formula = data[, 2] ~ data[, 1])
Coefficients:
(Intercept) data[, 1]
118.910 -0.905
截距b为 118.9,斜率m ( x系数)为 -0.9。 因此等式是:y = -0.9x + 118.9。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.