统计建模

生信喵

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
      

1. #简单线性回归  
   
2. rm(list = ls())
   
3. women  
   
4. plot(women)
   
5. plot(women$height,women$weight,type = 'l')
   
6. fit <- lm(weight ~ height,data=women)  
   
7. fit  
   
8. summary(fit)  
   
9. plot(fit)
   
10. fitted(fit)
    
11. resid(fit)
    
12. newdata <- data.frame(height=c(73,60))
    
13. predict(object = fit,newdata = newdata)

复制代码

      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。

1. #谋杀率案例  
   
2. states <- as.data.frame(state.x77)  
   
3. colnames(states)
   
4. fit <- lm(Murder ~ Population + Income + Illiteracy + `Life Exp` + `HS Grad` + Frost + Area,data=states)  
   
5. summary(fit)
   
6. fit1 <- lm(Murder ~ Population + `Life Exp`,data=states)  
   
7. 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

复制代码

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

1. #基因组大小与基因个数线性回归
   
2. rm(list = ls())
   
3. x <- read.csv("prok_representative.csv")
   
4. head(x)
   
5. plot(x$Size,x$Genes,pch = 16,cex = 0.8)
   
6. attach(x)
   
7. fit <- lm(Genes ~ Size,data = x)
   
8. fit
   
9. summary(fit)
   
10. plot(x$Size,x$Genes,pch = 16,cex = 0.8,
    
11.      xlab="Genome Size",ylab="Gene Numbers",main = 'Genomesize with Gene Numbers')
    
12. abline(fit,col="blue")
    
13. text(3.5,10000,label = 'y=843.7x+286.6 \n R2=0.9676')
    
14. x[x$Size>15,]
    
15. x[x$Size<5 &x$Genes>6000,]
    
16. text(7,3000,labels='Corynebacterium striatum')
    
17. text(2,7000,labels='Candidatus Burkholderia kirkii UZHbot1')
    
18. #保存pdf后用adobe修改。

复制代码