R语言 多因素cox回归分析 r语言多元回归分析

多元相关与回归分析

• 1.数据描述
• 2.调入数据
• 3.多元相关分析

• 3.1 多元数据散点图
• 3.2 多元数据相关系数矩阵
• 3.3 多元数据相关系数检验

• 4.多元回归分析

• 4.1 求多元线性回归方程
• 4.2 回归方程的显著性检验（F检验）
• 4.3 回归系数的显著性检验（t检验）

• 5. 多元回归变量选择。分别利用向前引入法，向后剔除法和逐步筛选法进行变量选择，建立最优回归模型

1.数据描述

略

2.调入数据

操作步骤：

Case3=read.table("clipboard",header=T)

结果：

结果解释：
从剪切板读取数据

3.多元相关分析

3.1 多元数据散点图

操作步骤：

plot(Case3)  #矩阵散点图

结果：

结果解释：
多元数据散点图

3.2 多元数据相关系数矩阵

操作步骤：

cor(Case3)   #相关分析

结果：

结果解释：
相关系数矩阵

3.3 多元数据相关系数检验

操作步骤：

corr.test(Case3)

结果：

结果解释：

4.多元回归分析

4.1 求多元线性回归方程

操作步骤：

fm=lm(y~.,data=Case3)  #线性回归

结果：

结果解释：
求多元线性回归方程

4.2 回归方程的显著性检验（F检验）

操作步骤：

anova(fm)

结果：

结果解释：
F检验

4.3 回归系数的显著性检验（t检验）

操作步骤：

summary(fm)

结果：

结果解释：
t检验

5. 多元回归变量选择。分别利用向前引入法，向后剔除法和逐步筛选法进行变量选择，建立最优回归模型

操作步骤：

fm.step=step(fm,direction="forward")#向前引入法变量选择结果
fm.step=step(fm,direction="backward")#向后剔除法变量选择结果
fm.step=step(fm,direction="both")#逐步筛选法变量选择结果

结果：

结果解释：

分别利用向前引入法，向后剔除法和逐步筛选法进行变量选择，建立最优回归模型