统计建模
一、线性回归回归 regression，通常指那些用一个或多个预测变量，也称自变量或解释变量，来预测响应变量，也称为因变量、效标变量或结果变量的方法。
回归分析的各种变体
#简单线性回归
rm(list = ls())
women
plot(women)
plot(women$height,women$weight,type = 'l')
fit <- lm(weight ~ height,data=women)
fit
summary(fit)
plot(fit)
fitted(fit)
resid(fit)
newdata <- data.frame(height=c(73,60))
predict(object = fit,newdata = newdata) 如何写回归公式？
R表达式中常用的符号
上面是简单的示例数据，下面介绍多元线性回归，使用state.x77数据。
#谋杀率案例
states <- as.data.frame(state.x77)
colnames(states)
fit <- lm(Murder ~ Population + Income + Illiteracy + `Life Exp` + `HS Grad` + Frost + Area,data=states)
summary(fit)
fit1 <- lm(Murder ~ Population + `Life Exp`,data=states)
summary(fit1) #调整变量达到R方0.85以上即可，但过拟合拿到新的数据可能也验证不了
二、基因组大小与基因个数线性回归
基因组大小与基因数目线性关系
#基因组大小与基因个数线性回归
rm(list = ls())
x <- read.csv("prok_representative.csv")
head(x)
plot(x$Size,x$Genes,pch = 16,cex = 0.8)
attach(x)
fit <- lm(Genes ~ Size,data = x)
fit
summary(fit)
plot(x$Size,x$Genes,pch = 16,cex = 0.8,
xlab="Genome Size",ylab="Gene Numbers",main = 'Genomesize with Gene Numbers')
abline(fit,col="blue")
text(3.5,10000,label = 'y=843.7x+286.6 \n R2=0.9676')
x
x
text(7,3000,labels='Corynebacterium striatum')
text(2,7000,labels='Candidatus Burkholderia kirkii UZHbot1')
#保存pdf后用adobe修改。
页:
[1]