1.打开文件,输入几组具有线性关系的数据。
2.用鼠标选中这些数据,点击菜单栏中的“插入”选项。
3.在插入菜单中,选择一种散点图。
4.右击图表中的散点,在其右键菜单中点击“添加趋势线”选项。
5.在出来的页面中，选择“线性”，勾选“显示公式”选项，关闭窗口。
6.完成以上设置后，即可用excel制作线性关系图图表。
模型拟合 于口模型采用Logistic增函数形式考虑初期指数增及总资源限制其函数形式 首先载入car包便读取数据使用nls函数进行建模其theta一、theta二、theta三表示三待估计参数start设置参数初始值设定trace真显示迭代程nls函数默认采用Gauss-Newton寻找极值迭代程第列RSS值面三列各参数估计值用summary返归结 library(car) pop.mod一 <- nls(population ~ theta一/(一+exp(-(theta二+theta三*year))),start=list(theta一 = 四00, theta二 = -四9, theta三 = 0.0二5), data=USPop, trace=T) summary(pop.mod) 面归程我直接指定参数初始值另种采用搜索策略首先确定参数取值范围利用nls二包暴力优参数种相费 种更简便采用内置自启模型(self-starting Models)我需要指定函数形式需要指定参数初始值本例logistic函数所应selfstarting函数名SSlogis pop.mod二 <- nls(population ~ SSlogis(year,phi一,phi二,phi三),data=USPop) 二、判断拟合效 非线性归模型建立需要判断拟合效候参数优化程捕捉局部极值点非全局极值点直观原始数据点绘制拟合曲线 library(ggplot二) p <- ggplot(USPop,aes(year, population)formula代表拟合的公式，如Y~X，则对因变量Y和自变量X作线性拟合拟合模型为 y=a+bx ，如Y 0+X或Y X+0则除对因变量Y和自变量X作线性拟合外，还规定改直线必过原点及拟合模型为 y=x 。
lm对象即lm函数返回的值，其属性包括
常用的有 coefficients ， residuals 和 fitted.values ，分别表示拟合的得到的各系数的值、残差和预测值。
可以看出该拟合曲线为y=0.52805925 -0.02797779x
其他值的调用，包括p值，给定x预测的y值，拟合系数R方等需要通过summary函数调用
也可以直接通过 summary(line.model) 打印出大部分与回归直线相关的一些结果
