lm()是R语言中经常用到的函数，用来拟合回归模型。它是拟合线性模型最基本的函数。

lm()格式如下：myfit

其中，formula指要拟合的模型形式，data是一个数据框，包含了用于拟合模型的数据。结果对象(本例中是myfit)存储在一个列表中，包含了所拟合模型的大量信息。表达式(formula)形式如下：Y~X1+X2..Xn

举个例子，我们依次在R中输入以下代码：a

b

mydata

上面的意思是我们分别定义了a,b两个向量，并赋值，然后把它们都加到了数据框mydata中。

我们想要知道向量a和向量b之间有什么关系，虽然我们一眼就能看出向量b对应的数值是a的2倍，但是计算机并不知道啊。我们仅仅以一个简单的例子来说明问题。

为了弄清楚，我们然后输入以下代码：myfit

summary(myfit)

然后系统就会打印出myfit的一些参数，其中包括以下内容：Estimate

(Intercept)1.12347e-15

b 5.00000e-01

这里的1.12347e-15表示1.12347乘以10的-15次方，是一个很小的数值，同理，5.00000e-01表示的就是5.00000乘以10的-1次方，为0.5.

所以a,b的关系可表示为：

预测值与实际值很相似。这里仅仅是一个简单的例子，它还可以扩展到多个参数，具体的情况大家可以探索。

因此本人正在读《R语言实践》，所以引用了书中的很多内容，在此说明。

最后，如果各位发现本文有任何错误，欢迎指正，谢谢阅读。

标签: #R

发表于2014-11-19 23:54:12，最后修改于2015-08-02 22:06:41。