我们需要用不带lm函数或R中预测函数的公式填充所有NA点

我们需要用不带lm函数或R中预测函数的公式填写所有NA点，请帮助！如果没有lm或predict，我无法理解，我做了x_栏、y_栏和n，但是其他的更具挑战性。这在R studio中使用，但也可以在R中使用

statslr=函数（x，y）{
x_bar=平均值（x）
y_bar=平均值（y）
n=长度（x）
#符合模型
beta1_hat=NA
beta0_hat=NA
#查找向量x中n个输入的拟合值和残差
这是一个长度为n的向量
残差=NA#这是长度为n的向量
SSE=NA
SST=NA
SSxx=NA
#计算拟合度
s=NA
Rsq=NA
#计算标准误差
beta0_SE=NA
β1_SE=NA
#计算t分数
beta0_tCore=NA
beta1_tscore=NA
#计算p值
beta0_p值=NA
β1_p值=NA
#不要改变
#用软件画线可以通过画点来完成。想想看……屏幕上只有这么多像素，不是吗？
#我们将通过在x数据范围内找到1000个特定x值的值来绘制置信带
xp=序列（最小（x）、最大（x）、长度=1000）
#计算xp中1000个特定x值的95%置信区间和预测区间
#此块中计算的所有内容都是针对xp中的每个值，因此结果是长度为1000的向量
yp=NA
SE_yp_at_xp=NA
SE_Ey_at_xp=NA
CI_yp_upper=yp+qt（NA，NA）*SE_yp_at_xp#几乎没有帮助：）
CI_yp_lower=NA
CI_Ey_upper=NA
CI_Ey_lower=NA
#不要更改（除非您想要自定义）
选项（数字=4）
x_name=deparse（替换（x））
y_name=deparse（替换（y））
绘图（x，y，xlab=粘贴（“x=”，x_名称），ylab=粘贴（“y=”，y_名称））
abline（beta0_-hat，beta1_-hat，lwd=2）
行（xp，CI_yp_upper，col=“红色”，lty=2，lwd=1.5）
行（xp，CI_yp_较低，col=“红色”，lty=2，lwd=1.5）
行（xp，CI_Ey_upper，col=“蓝色”，lty=2，lwd=1.5）
行（xp，CI_Ey_lower，col=“蓝色”，lty=2，lwd=1.5）
#改正所有的错误
cat（“\n用x=，y\u name，“和y=，x\u name，”\n\n）对最小二乘法进行采样”
cat（“样本回归方程为\n\n\t y=“，beta0\u hat，”+”，beta1\u SE，“*x\n\n”）
cat（“Intercept:SE=，beta0_-SE，”\n\t-score=，beta0_-hat，“\n\t P（>|t|））=”，1-beta0_-pvalue，“\n\n”）
cat（“斜率：\t SE=，beta0_SE，”\n\t t-score=，beta1_tscore，“\n\t P（>| t |））=”，1-beta1_pvalue，“\n\n”）
cat（“剩余标准误差为s=”，Rsq，“开”，n，“自由度”）
cat（“\n测定效率为R^2=”，sqrt（Rsq），“\n\n”）
选项（数字=7）
}

没有一种解决方案是针对RStudio的，也不适用于R：前者只是开发环境（gui界面），它围绕着R解释器/语言。请只使用与接口本身有关的问题，而不是R编程语言。Sara，这个问题实际上是关于线性回归背后的理论，而不是关于任何编程问题本身。（也就是说，你没有就此事传达任何错误、警告或太多个人代码。）因此，我投票将其迁移到问题更集中于理论和数学的地方。祝你好运。一般来说，你会发现参与者不愿意回答家庭作业问题，除非它涉及到问题的一小部分，这会阻碍你。你能做的就是通过谷歌搜索找到公式。然后将这些公式转换为R，并根据需要插入它们。然后运行函数并将结果与

summary（lm（…）

和

predict（lm（…），…）

的输出进行比较，以确保得到正确的结果。如果其中一个或两个问题仍然存在，那么如果您将问题简化为有问题的问题，并显示您尝试的公式和代码，您可能会得到答案。