【正文】 )得到如下結果：Call:lm(formula = y ~ 1 + x, data = intellect, subset = 7, weights = weights)Weighted Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) x ***Signif. codes: 0 ‘***’ ‘**’ ‘*’ ‘.’ ‘ ’ 1 Residual standard error: on 7 degrees of freedomMultiple Rsquared: , Adjusted Rsquared: Fstatistic: on 1 and 7 DF, pvalue: 驗證如下，做出兩次線性回歸的對比圖：attach(intellect)plot(x, y, cex=, pch=21, col=red, bg=orange)abline(, col=blue, lwd=2)text(x[c(7, 2)], y[c(7, 2)], label=c(7, 2), adj=c(, ))detach()abline(, col=red, lwd=2, lty=5)legend(5, 3200, c(Points, Regression, Correct Reg), pch=c(19, NA, NA), lty=c(NA, 1,5), col=c(orange, blue, red))savePlot(diagnoses2, type=eps)圖中實線是原始數(shù)據(jù)計算的結果，虛線是修正數(shù)據(jù)后的計算結果。2號點是強影響點，加權計算中減少它的影響。（2）第三張圖為標準差的平方根與預測值的散點圖。解：使用1題得到的回歸模型： intellect(+ xc(,),+ yc(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493)+ ) lm(y~1+x, data=intellect) summary()結果同1題，()函數(shù)進行診斷： ()得到回歸診斷結果：Influence measures of lm(formula = y ~ 1 + x, data = intellect) : dffit hat inf1 2 *3 4 5 6 7 *8 9 10 做出回歸診斷圖并保存：op par(mfrow=c(2,2), mar=+c(4,4,1,1), oma= c(0,0,2,0))plot(, 1:4)par(op)savePlot(diagnoses1, type=eps)得到回歸診斷圖：由回歸結果得知第2點和第7點為強影響點。但該方程總體通過了F統(tǒng)計數(shù)的檢驗，由此得到的回歸方程為：Y=+(2) 若現(xiàn)測得今年的數(shù)據(jù)是X=7米，則有X=X0=7，此時利用R軟件求解，編程如下： new(x=7) predict(,new,+ interval=prediction,+ level=)得到如下結果：fit lwr upr1 、(α=)。數(shù)學模型 第八次作業(yè) 多元分析實驗l 學會對數(shù)據(jù)進行線性回歸分析、預測與回歸診斷l(xiāng) 學會對數(shù)據(jù)進行方差分析和判別分析l 建立相應的統(tǒng)計模型，用R軟件計算，并對計算結果進行分析和討論 基本實驗1. 回歸分析為估計山上積雪融化后對下游灌溉的影響，在山上建立一個觀測站，測量最大積雪深度X（米）與當年灌溉面積Y（公頃）。利用R軟件進行一元線性回歸分析，并提取相應的計算結果： xc(,) yc(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493) lm(y ~ 1+x) summary()得到如下結果：Call:lm(formula = y ~ 1 + x)Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) x ***Signif. codes: 0 ‘***’ ‘**’ ‘*’ ‘.’ ‘ ’ 1 Residual standard error: on 8 degrees of freedomMultiple Rsquared: , Adjusted Rsquared: Fstatistic: on 1 and 8 DF, pvalue: Estimate項中給出了回歸方程的系數(shù)估計，即β0=；β1=觀查其中的評價參數(shù)易知對于β0項的估計并不是很準確，不顯著。2. 回歸診斷對1題得到的回歸模型作回歸診斷：（1）殘差是否滿足齊性、正態(tài)性的條件；（2）哪些點可能是異常值點；（3）如果有異常值點，則去掉異常值點，再作回歸分析。第二張為正態(tài)圖，所有點基本在一條直線