R 估计回归线方程

我现在正在做一项作业，我得到了下面所示的数据集，并被要求获得估计回归线的方程

我知道我需要找到的答案是118.91-0.905x这在答案键中，但我的代码给出的答案是130.85-1.076x。我不确定我的代码中有什么错误。我已经看了很多遍，没有发现任何错误。我还仔细检查了我的数据是否正确，我认为它是正确的。这就是我在R-Studio中所做的：

> data = read.csv("P17.csv", header = TRUE)
> data
       x    y
1   99.0 28.8
2  101.1 27.9
3  102.7 27.0
4  103.0 25.2
5  105.4 22.8
6  107.0 21.5
7  108.7 20.9
8  110.8 19.6
9  112.1 17.1
10 112.4 18.9
11 113.6 16.0
12 113.8 16.7
13 115.1 13.0
14 115.4 13.6
15 120.0 10.8
> plot(data[,1],data[,2],main="Concrete Specimen", xlab="Unit Weight (pcf)",ylab="Porosity (%)",pch=19) 
> cor(data[,1], data[,2])
[1] -0.9868573
> data.lm=lm(data[,1]~data[,2])
> data.lm

Call:
lm(formula = data[, 1] ~ data[, 2])

Coefficients:
(Intercept)    data[, 2]  
    130.854       -1.076  

以下是我使用的数据：

    x,y
99.0,28.8
101.1,27.9
102.7,27.0
103.0,25.2
105.4,22.8
107.0,21.5
108.7,20.9
110.8,19.6
112.1,17.1
112.4,18.9
113.6,16.0
113.8,16.7
115.1,13.0
115.4,13.6
120.0,10.8

---

本作业的问题是找到估计回归线的方程。 数据以多个x、y坐标点的形式提供。假设方程公式的形式为：

坡度为m，y截距为b

R中的lm函数使用了一个利用~运算符的公式

~算子是此类模型形成的基础。一 形式y~模型的表达式被解释为规范 响应y由指定的线性预测器建模 象征性地通过模型

有关公式的详细信息，请参见

在这种情况下，如果您想要响应y孔隙度，由预测器x权重建模，您应该：

lm(data[,2] ~ data[,1])

其中，数据[，2]是数据y的第二列，数据[，1]是第一列x

这将为您提供：

Call:
lm(formula = data[, 2] ~ data[, 1])

Coefficients:
(Intercept)    data[, 1]  
    118.910       -0.905  

---

截距b为118.9，斜率m x系数为-0.9。因此方程为：y=-0.9x+118.9。

本作业的问题是找到估计回归线的方程。 数据以多个x、y坐标点的形式提供。假设方程公式的形式为：

坡度为m，y截距为b

R中的lm函数使用了一个利用~运算符的公式

~算子是此类模型形成的基础。一 形式y~模型的表达式被解释为规范 响应y由指定的线性预测器建模 象征性地通过模型

有关公式的详细信息，请参见

在这种情况下，如果您想要响应y孔隙度，由预测器x权重建模，您应该：

lm(data[,2] ~ data[,1])

其中，数据[，2]是数据y的第二列，数据[，1]是第一列x

这将为您提供：

Call:
lm(formula = data[, 2] ~ data[, 1])

Coefficients:
(Intercept)    data[, 1]  
    118.910       -0.905  

---

截距b为118.9，斜率m x系数为-0.9。因此，方程式是：y=-0.9x+118.9。

他们寻找的答案是数据。lm=lmdata[，2]~data[，1]，即y~x而不是x~y@Ben，请作为答案发布？当然-添加答案。如果你看到我可以改进的地方，欢迎反馈。希望这对以后的参考有帮助。他们寻找的答案是data.lm=lmdata[，2]~data[，1]，它是y~x而不是x~y@Ben，请作为答案发布？当然-添加答案。如果你看到我可以改进的地方，欢迎反馈。希望这有助于将来的参考。投票赞成答案的清晰和卓越。投票赞成答案的清晰和卓越。