第四周

(a<-read.table("clipboard",header=T))#将E4.5的数据粘贴到剪贴
attach(a)
plot(X,y,main="散点图",ylim=c(-30,320))

一次线性回归模型

lm1<-lm(y~X)
summary(lm1)#回归方程：y=151.713-1.287X1
abline(lm1,col=1,lty=1,lwd=2)

二次函数回归模型

X1=X
X2=X^2
lm2<-lm(y~X1+X2)
summary(lm2)#回归方程：y=213.9219-4.3344x+0.0203x^2
lines(X,fitted(lm2),col=2,lty=2,lwd=2)

对数函数回归模型

lm3<-lm(y~log(X))
summary(lm3)#回归方程:y=312.45-67.12log(x)
lines(X,fitted(lm3),col=3,lty=3,lwd=2)

指数函数回归模型

lm4<-lm(log(y)~X)
summary(lm4)#回归方程:log(y)=4.88550-0.01956x
lines(X,exp(fitted(lm4)),col=4,lty=4,lwd=2)#幂函数回归模型

幂函数回归模型

lm5=lm(log(y)~log(X))
summary(lm5)#回归方程:log(y)=6.6417-0.8263log(x)
lines(X,exp(fitted(lm5)),col=5,lty=5,lwd=2)

反函数回归模型

X3<-1/X
lm6=lm(y~X3)
summary(lm6)#回归方程：y=908.46*(1/x)+11.51
lines(X,fitted(lm6),col=6,lty=6,lwd=2)

(mname=c("一次","二次","对数","指数","幂函数","反函数"))
legend("topright",lty=1:6,col=1:6,legend=mname,lwd=2)

sq=numeric(6)
sq[1]=summary(lm1)r.sq#一次函数回归模型决定系数 sq[2]=summary(lm2)r.sq#二数函数回归模型决定系数
sq[3]=summary(lm3)r.sq#对数函数回归模型决定系数 sq[4]=summary(lm4)r.sq#指数函数回归模型决定系数
sq[5]=summary(lm5)r.sq#指数函数回归模型决定系数 sq[6]=summary(lm6)r.sq#反函数回归模型决定系数
matrix(sq,1,6,dimnames=list("决定系数",mname))

由各模型的决定系数越大，则方程拟合度越高，可以认为反函数模型在这六个

模型的决定系数最大，可以认为反函数模型在这六个模型为最优模型，拟合度

最高