R统计怎么做回归分析 详细教程与注意事项说明

家里乱了要整理，数据乱了也得收拾。就像衣柜里的衣服分门别类放好才容易找，一堆杂乱的数据也需要用方法理出头绪。比如你想知道每天睡几个小时和第二天工作效率之间的关系，或者想知道每月花多少时间整理家务会不会影响心情，这时候就可以用R做个回归分析，把变量之间的“收纳关系”理清楚。

准备你的“收纳箱”：数据和R环境

打开R或RStudio，先把你收集的数据读进去。假设你记录了一周的睡眠时长和第二天的精神评分（满分10分），数据存在一个叫sleep_data.csv的文件里：

data <- read.csv("sleep_data.csv")
head(data)

输出可能长这样：

  sleep_hours mood_score
1         6.5        6.2
2         7.0        7.1
3         8.0        8.0
4         5.5        5.0
5         7.5        7.8

开始“分类收纳”：做线性回归

你想看看睡眠时长是不是能“解释”心情好坏，就可以用lm()函数来建模：

model <- lm(mood_score ~ sleep_hours, data = data)
summary(model)

结果会告诉你斜率是多少，也就是每多睡一小时，情绪评分大概提升多少。如果截距合理、p值小于0.05，说明这个关系不是瞎猜的。

检查收纳效果：画个图看看

光看数字不够直观，就像整理完柜子还得回头看一眼整不整洁。画个散点图加回归线：

plot(data$sleep_hours, data$mood_score, 
     xlab = "睡眠时长（小时）", ylab = "情绪评分", main = "睡眠与情绪的关系")
abline(model, col = "red")

红线上升，说明睡得多情绪越好，这跟你平时的感受可能差不多。

多个因素一起理：多元回归

生活中影响情绪的不只有睡眠，还有运动时间、喝水量等等。把这些都加进去也没问题：

model_multi <- lm(mood_score ~ sleep_hours + exercise_min + water_cups, data = data)
summary(model_multi)

R会帮你算出每个因素的独立影响。比如可能发现运动的影响比喝水还明显，那就知道该优先安排锻炼了。

数据分析就像整理生活，不是为了堆数字，而是让模糊的感觉变成清晰的线索。下次再纠结“到底什么对我最重要”，不妨用R跑个回归，让数据帮你决定先收哪一筐。