R语言实战：回归模型R方计算及应用

R语言实战：回归模型R方计算及应用

引言：

在统计学中，回归分析是一种常用的方法，用于研究自变量与因变量之间的关系。而R方（R-squared）是用来衡量回归模型对观测数据的解释程度的指标。本文将介绍如何使用R语言计算回归模型的R方，并结合实际案例进行应用和解释。

一、什么是R方？

R方，也称为决定系数，是一个介于0和1之间的值，用于衡量回归模型对原始数据的解释程度。R方的取值范围为0到1之间，越接近1表示回归模型越好地解释了数据的变异。具体计算公式为：

# 通过lm函数拟合回归模型model <- lm(dependent_variable ~ independent_variable, data = dataset)# 计算R方r_squared <- summary(model)$r.squared

二、实战演练

为了更好地理解和应用R方，我们使用一个真实的数据集进行分析。假设我们有一份数据集，记录了100个人的身高和体重数据。我们想通过身高来预测体重，进而计算回归模型的R方。

首先，我们需要创建一个包含身高和体重两列的数据框：

# 创建身高和体重数据框dataset <- data.frame(height = c(165, 170, 175, 180, 185, 160, 168, 172, 178, 183),weight = c(60, 65, 70, 75, 80, 55, 63, 68, 73, 78))

然后，我们使用lm函数拟合回归模型，并计算R方：