R语言实验报告回归分析在女性身高与体重的应用.docx

R语言实验报告回归分析在女性身高与体重的应用.docx

《R语言实验报告回归分析在女性身高与体重的应用.docx》由会员分享，可在线阅读，更多相关《R语言实验报告回归分析在女性身高与体重的应用.docx（8页珍藏版）》请在冰豆网上搜索。

R语言实验报告回归分析在女性身高与体重的应用

R语言实验报告—回归分析在女性身高与体重的应用

R语言实验报告

回归分析中

身高预测体重的模型

学院：

班级：

学号：

姓名：

导师：

成绩：

1.给出实验女性的身高体重信息；

2.运用简单线性回归分析；

3.运用多项式回归分析

五、实验过程

（一）简单线性回归

1.展示拟合模型的详细结果

2.女性体重的数据

3.列出拟合模型的预测值

4.列出拟合模型的残差值

5.得出身高预测体重的散点图以及回归线

（二）多项式回归

1.展示拟合模型的详细结果

2.身高预测体重的二次回归图

六、实验分析

（一）简单线性回归

通过输出结果，可以得到预测等式：

Weight=-87.52+3.45*Height

因为身高不可能为0，所以没必要给截距项一个物理解释，它仅仅是一个常量调整项。

在Pt（>|t|）栏，可以看到回归系数（3.45）显著不为0（P<0.001），表明身高每增高1英寸，体重预期增加3.45磅。

R平方项（0.991）表明模型可以解释体重99.1%的方差，它也是实际和预测值之间的相关系数的平方

。

参差标准误则可认为是模型用身高预测体重的平均误差。

我们已经输出了真实值、预测值和残差值，由身高预测体重的散点图，可以看出最大的残差值在身高矮和身高高的地方出现。

（二）多项式回归

新的预测等式为：

Weight=261.88-7.35*

Height+0.083*

在p<0.001的水平下，回归系数都非常显著。

模型的方差解释率已经增加到了99.9%。

二次项的显著性（t=13.89,p<0.001）表明包含二次项提高了模型的拟合度，说明多项式回归可以提高回归的预测精度。

七、总结

通过试验对R语言有了进一步的了解。

这次试验通过随机生成学生成绩，并且对学生成绩进行最大值、最小值、平均值等的求解，以及生成各类图形。

在此过程中，锻炼了自己的学习能力、动手操作能力。

希望以后有机会可以更加系统的掌握、了解R语言，并达到熟练的应用。