> out$correlation NULL > out$cov.unscaled (Intercept) X1 X2 (Intercept) 35.4895683 -0.362265125 -0.1372261097 X1 -0.9896500 1.0000000 0.7002831 X2 -0.7899354 0.7002831 1.0000000 > out1=summary(lm.sol,correlation =TRUE) > out1$correlation (Intercept) X1 X2 (Intercept) 1.0000000 -0.9896500 -0.7899354 X1 -0.9896500 1.0000000 0.7002831 X2 -0.7899354 0.7002831 1.0000000 anova( ) 函数的主要用法为
anova(object, ...)
如果只指定一个对象，则返回那个线性拟合模型的方差分析表。如果指定多个对象，那么返回多个线性拟合模型比较的方差分析表，特别适用于嵌套模型的F检验（Wald检验，似然比检验），一般将简单的模型排在前面，复杂的模型排在后面。 anova(lm.sol) Analysis of Variance Table Response: Y Df Sum Sq Mean Sq F value Pr(>F) X1 1 1242.21 1242.21 152.549 2.227e-07 *** X2 1 188.36 188.36 23.132 0.0007133 *** Residuals 10 81.43 8.14 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 > anova(lm(Y~I(X1+X2),data=blood),lm.sol) Analysis of Variance Table Model 1: Y ~ I(X1 + X2) Model 2: Y ~ X1 + X2 Res.Df RSS Df Sum of Sq F Pr(>F) 1 11 1505.95 2 10 81.43 1 1424.52 174.94 1.164e-07 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 > coef(lm.sol) (Intercept) X1 X2 -62.9633591 2.1365581 0.4002162 > resid(lm.sol) 1 2 3 4 5 6 7 0.5741329 0.4639664 -3.7166848 0.6908281 -0.8312185 -4.0403788 2.7768085 8 9 10 11 12 13 -0.8355416 -2.6527288 0.5047730 3.7569456 -1.0183102 4.3274082 > fitted(lm.sol) 1 2 3 4 5 6 7 8 119.4259 140.5360 127.7167 125.3092 117.8312 129.0404 120.2232 125.8355 9 10 11 12 13 134.6527 122.4952 128.2431 156.0183 142.6726 > vcov(lm.sol) (Intercept) X1 X2
(Intercept) 288.991861 -2.94992804 -1.117433397 X1 -2.949928 0.03074496 0.010217576 X2 -1.117433 0.01021758 0.006924278 > deviance(lm.sol) [1] 81.43009 > formula(lm.sol) Y ~ X1 + X2 在R的附加程序包CAR（Companion to Applied Regression）中的lhts( )函数可用于检验线性约束H0:R??r。此函数的一般用法为
linear.hypothesis(model, hypothesis.matrix, rhs=NULL,) lht(model, hypothesis.matrix, rhs=NULL,)
model：指定线性拟合模型对象。
hypothesis.matrix：数值型的矩阵或向量，每一行表示模型系数的一个线性组合，
同rhs一起构成了模型系数的线性约束。也可以是一个字符型向 量，每个元素指定系数的一个线性组合或线性约束。
Rhs：指定线性约束左边常数的向量，缺省表示左边常数全等于0。
> library(car) > lht(lm.sol,c(\> lht(lm.sol,c(\> lht(lm.sol,c(0,1,3),1) Linear hypothesis test
Hypothesis: X1 + 3 X2 = 1 Model 1: Y ~ X1 + X2 Model 2: restricted model Res.Df RSS Df Sum of Sq F Pr(>F) 1 10 81.43 2 11 369.58 -1 -288.15 35.386 0.0001415 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 R的函数predict( )用于预测，其一般用法为
predict(object,newdata,interval=c(\
object：指定线性拟合模型对象。 newdata：指新观测值所在的数据框。
interval：指定预测的形式，缺省为\，表示只给出预测值；\
表示给出预测值和回归函数的估计值；\表示给出预测值和 预测区间。
> new=data.frame(X1=80,X2=40) > lm.pred=predict(lm.sol,new,interval=\> lm.pred fit lwr upr 1 123.9699 117.2889 130.6509 > (lm.pred=predict(lm.sol,new,level=0.95)) 1 123.9699 > (lm.pred=predict(lm.sol,new,interval=\ fit lwr upr 1 123.9699 121.9183 126.0215 > (lm.pred=predict(lm.sol,new,interval=\ fit lwr upr 1 123.9699 120.6924 127.2474