A. 利用R进行多元线性回归分析
利用R进行多元线性回归分析
对于一个因变量y，n个自变量x1,...,xn，要如何判断y与这n个自变量之间是否存在线性关系呢？
肯定是要利用他们的数据集，假设数据集中有m个样本，那么，每个样本都分别对应着一个因变量和一个n维的自变量；
m个样本，就对应着一个m维的列向量Y，一个m×n维的矩阵X
Y是X的每一列X1,...,Xn的函数
那么，Y与X1,...,Xn之间到底是什么关系呢？是满足Y=a1*X1+...+an*Xn这样的线性关系还是Y=f(X1,...,Xn)这样的非线性关系呢？
为了解决这个问题，可以首先利用多元线性回归
B. 如何用r软件对给定数据进行回归分析（不能用lm函数）
可以试着探索一下summary(lm(y~x))到底是什么。 首先看一下summary(lm(y~x))是什么数据类型： > m class(summary(m)) [1] "summary.lm" #可以看到，lm的结果是一个"summary.lm" 对象。这有些显而易见。好吧，继续探索。 R语言中所有的对象都建立在一些native data structures之上，那么summary(lm(y~x)的native data structure是什么呢？可以用mode()命令查看。
C. 怎么用r语言处理名义变量，并对其进行线性回归分析
可以as.numeric，或者其他方式
D. 如何在r语言中抓取股票数据并分析论文
用quantomd包
然后getsymbols函数
分析论文 要看你研究方向
如果是看影响因素 一般回归就行
如果看股票波动和预测 可能需要时间序列
E. 如何用R语言做线性相关回归分析
可以直接用corrcoef(x,y)函数啊……
例如，求出已知的x，y向量的相关系数矩阵R，则输入
R=corrcoef(x,y)
然后调用 max(max(R))，可以求出最大值
F. 对股票进行回归分析通常自变量和因变量选什么好
因变量通常是回报，比如行业超额回报、或者经无风险利率调整的回报。自变量，根据APT，有k个factor。所以你认为的是影响因素的变量都可以加入。常用的有市场回报（CAPM模型）、会计信息（sloan模型）、上期回报（Engle模型）和宏观变量（国债长短端利差、通胀等）。但是要重点看看t检验和adj R square，会对不相关的变量进行惩罚
G. 关于回归分析中R的解释
F测试只是说明回归方程式是有效的 但是R平方显示模拟的效果并不好，拟合程度不高， 应该换一种拟合方式。对回归模拟的综合判断是要把这两个方面结合起来看的。 追问： 那如果是这个结果 这个实证研究还有意义吗对几个变量相关性的分析还有用吗你说的换一种拟合方式是什么的，我不是很懂啊 我对这方面不太懂的 能再回答的详细点吗 谢谢啦 回答： 显然这样的模拟是很不能让人信服的。因为回归等模拟都是概率意义下的。这个实证研究的意义值得怀疑。不知道你是用的什么回归，线性的还是非线性的？式子可以做些改变，一般都需要先把样本作图来观察等决定采用何种拟合。
H. 如何利用r软件对数据进行回归分析
用excel也可以进行回归分析。