1、首先，打开RStudio并创建一个新的文件脚本，［File］—［NewScript］。
2、这样就会发现前面代码在全局环境下留下的数据集是非常麻烦的。清洗方法如下：
3、首先，写入rm（A）以清除对应对象的数据（rm＝remove）。
4、通过比较，可以发现前一个对象已经被清除。
老师的吐槽大会，乐死我了。hhh
regression，通常指用一个或者多个预测变量，也称自变量或者解释变量，来预测响应变量，也称为因变量、效标变量或者结果变量的方法
存在多个变量
AIC 考虑模型统计拟合度、用来拟合的参数数目
AIC值越小，越好
更多的变量：
图一：是否呈线性关系， 是
图二：是否呈正态分布，一条直线，正态分布
图三：位置与尺寸图，描述同方差性，如果方差不变，水平线周围的点应该是随机分布
图四：残差与杠杆图，对单个数据值的观测，鉴别离群点、高杠杆点、强影响点
模型建好，用predict函数对剩余500个样本进行预测，比较残差值，若预测准确，说明模型可以。
analysis of variance，简称ANOVA，也称为变异数分析。用于两个及两个以上样本均数差别的显著性检验。广义上，方差分析也是回归分析的一种，只不过线性回归的因变量一般是连续型变量。自变量是因子时，研究关注的重点通常会从预测转向不同组之间的差异比较。也就是方差分析。
power analysis，可以帮助在给定置信度的情况下，判断检测到给定效应值所需的样本量。也可以在给定置信度水平情况下，计算在某样本量内能检测到给定效应值的概率
拓展了线性模型的框架，包含了非正态因变量的分析。线性回归、方差分析都是基于正态分布的假设
-泊松回归 ，用来为计数资料和列联表建模的一种回归分析。泊松回归假设因变量是泊松分布，并假设它平均值的对数可被未知参数的线性组合建模
-logistic 回归
通过一系列连续型或者类别型预测变量来预测二值型结果变量是，logistic 回归是一个非常有用的工具。流行病学研究中用的多。
Principal Component Analysis，PCA，探索和简化多变量复杂关系的常用方法。 是一种数据降维技巧。可以将大量相关变量转化为一组很少的不相关变量。这些无关变量成为主成分。主成分是对原始变量重新进行线性组合，将原先众多具有一定相关性的指标，重新组合为一组的心得相互独立的综合指标。
探索性因子分析法 exploratory factor analysis，简称为EFA，是一系列用来发现一组变量的潜在结构的方法。通过找寻一组更小的、潜在的活隐藏的结构来解释已观测到的、显式的变量间的关系
因子分析步骤与PCA一致
啤酒与尿布
R语言上手还是比较简单的，我们哪怕是一个小白，但是对于R,也不应该害怕呀，让我们一起来看看R的绘图吧，小白没关系，跟着我走，包您看懂！让您对R越来越感兴趣！
哈哈，数据，我们需要数据！在这里我们无需考虑数据来自何处，对于入门，为了增加大家对R的兴趣，我们就使用R内置的数据集，但是一般情况，数据集往往是需要自己去获取的！获取的数据集还需要经过转换，清洗等诸多步骤才可以用于绘图的哦！
特此说明！如果您还没有安装R的环境，但是由于看到本博客对它感兴趣，那么大家可以去我的主页R专栏，里面有详细的教程可以帮助到大家。
怎么样，就一句话，就可以看到如上图形！
