如何使用 R 计算简单线性回归中的 b0 和 b1？

Question

我正在尝试使用 R 创建一个程序，以使用最小二乘法在简单线性回归中手动计算 b0 和 b1。

regression=function(num,x,y)
switch(num,
  b1 = {n = 5
        b = (n*sum(x*y)-sum(x)*sum(y))/(n*sum(x^2)-sum(x)^2)
        print(b)},
  b0 = {n = 5
        b = (n*sum(x*y)-sum(x)*sum(y))/(n*sum(x^2)-sum(x)^2)
        a = mean(y)-b1*mean(x)
        print(a)}
)
x = c(1, 2, 3, 4, 5)
y = c(2, 1, 4, 5, 3)
regression(b1, x, y)
regression(b0, x, y)

但是失败了

Answer 1

两个问题。

b0 和 b1 不存在，因此不能将它们作为参数传入---您可以将它们作为参数传入字符串，这是 switch 所期望的。因此，当您调用 regression 时，将其调用为 regression("b1", x, y) 或 regression("b0", x, y).
在代码的 b0 = {...} 部分，您调用了中间结果 b，但稍后尝试引用 b1。同样，b1 不存在，因此将您的中间结果称为 b1，而不是 b。

解决这些问题，我认为你的函数会工作得很好:)

Answer 2

定义函数的更简单方法如下，

regression=function(num,x,y){
  n=num
  b1 = (n*sum(x*y)-sum(x)*sum(y))/(n*sum(x^2)-sum(x)^2)
  b0=mean(y)- b1*mean(x)
  return(c(b0,b1))

}

有了这个，你可以得到一个包含你的 b0 和 b1 的向量。在下面的代码中，我展示了如何访问它并绘制生成的回归线。

x = c(1, 2, 3, 4, 5)
y = c(2, 1, 4, 5, 3)

b0<-regression(5,x,y)[1]
b1<-regression(5,x,y)[2]

regression_line<-b0+b1*x

plot(x,y)
lines(regression_line)

如何使用 R 计算简单线性回归中的 b0 和 b1？

How to calculate b0 and b1 in Simple Linear Regression With R?

parameters

estimation

regression

r

linear-regression