如何用R创建线性回归？

Question

我有一个简单矩阵像：

 [,1] [,2] [,3] 
[1,] 1 2 3 
[2,] 4 5 6 
[3,] 7 8 9 
[4,] 10 11 12 

我要计算这些列的线性回归，如：lm(x ~ y)

其中最早出现的柱是X，而另一个是在Y？我的意思是......我可以做一些使用其他与一个变量（y）

或

我一定要使用这样的：lm(x~y+z+c+b)等等等等？

谢谢

Answer 1

是的，但我不会真的建议是：

> set.seed(2) 
> mat <- matrix(runif(12), ncol = 3, byrow = TRUE) 
> mat 
      [,1]  [,2]  [,3] 
[1,] 0.1848823 0.7023740 0.5733263 
[2,] 0.1680519 0.9438393 0.9434750 
[3,] 0.1291590 0.8334488 0.4680185 
[4,] 0.5499837 0.5526741 0.2388948 
> mod <- lm(mat[,1] ~ mat[,-1]) 
> mod 

Call: 
lm(formula = mat[, 1] ~ mat[, -1]) 

Coefficients: 
(Intercept) mat[, -1]1 mat[, -1]2 
    1.0578  -1.1413  0.1177 

这是为什么不建议 ？那么，你在这里滥用公式接口;它可以工作，但模型系数具有奇怪的名称，并且在使用公式接口时会产生大量开销，该公式接口用于从符号公式中引用的数据框或列表对象中提取响应/协变量。

工作的常用方法是：

df <- data.frame(mat) 
names(df) <- c("Y","A","B") 
## specify all terms: 
lm(Y ~ A + B, data = df) 
## or use the `.` shortcut 
lm(Y ~ ., data = df) 

如果你不想通过数据帧去的话，你可以用一个简单的操作调用函数的主力背后lm()，lm.fit()直接：

这里我们将1s的向量绑定到mat（cbind(rep(1, nrow(mat)), mat[,-1])）的第2列和第3列;这是模型矩阵。 mat[, 1]是回应。虽然它不归还"lm"分类对象，但它非常快速并且可以相对容易地转换为一个重要的对象。

顺便说一句，你有通常的记法回到前面。 Y通常是响应，X表示用于建模或预测Y的协变量。