含有x和y这两个变量的线性回归是所有回归分析中最常见的一种；而且，在描述它们关系的时候，也是最有效、最容易假设的一种模型。然而，有些时候，它的实际情况下某些潜在的关系是非常复杂的，不是二元分析所能解决的，而这时，我们需要多项式回归分析来找到这种隐藏的关系。

让我们看一下经济学里的一个例子：假设你要买一个具体的产品，而你要买的个数是q。如果产品的单价是p，然后，你要给y元。其实，这就是一个很典型的线性关系。而总价和产品数量呈正比例关系。下面，根据这个实例，我们敲击行代码来作它们的线性关系图：

p

q

y

plot(q,y,type='l',col='red',main='Linear relationship')

下面是它的线性关系图：

现在，我们看到这确实是一个不错的估计，这个图很好的模拟成q和y的线性关系。然而，当我们在做买卖要考虑别的因素的时候，诸如这种商品要买多少，很有可能，我们可以通过询问和讨价赚得折扣，或者，当我们越来越多的买一种具体的商品的时候，我们也可能让这种商品升价了。

这样，我们根据上面的条件，我们在写脚本的时候，我们要注意，总价与产品的数量不再具有线性关系了：

y

plot(q,y,type='l',col='navy',main='Nonlinear relationship',lwd=3)

利用多项式回归，我们可以拟合n>1张订单所产生的数据的模型，并且能试着建一个非线性模型。

怎样拟合一个多项式回归

首先，当我们要创建一串虚拟随机数的时候，我们必须总要记得写set.seed(n)。这样做，随机数生成器总能产生同等数目的数据。

set.seed(20)

预测变量q：使用seq来快速产生等间距的序列：

q

预测y值：

y

我们现在产生一些噪音并把它添加到模型中：

noise

noisy.y

对噪声数据进行画图：

plot(q,noisy.y,col='deepskyblue4',xlab='q',main='Observed data')

lines(q,y,col='firebrick1',lwd=3)

下面的这个图根据观测数据进行模拟。其中，模拟的图的散点是蓝色的，而红色线则是信号(信号是一种术语，它通常用于表示我们感兴趣的东西的通常变化趋势)。

我们得出的模型应当是 y = aq + bq2 + c*q3 + cost。

现在，我们用R对此进行模拟。要拟合一个多项式模型，你也可以这样用：

model

或者：

model

然而，我们要知道q，I(q^2)，I(q^3)存在相关的关系，而这些相关变量很有可能引起某些问题的产生。这时，使用poly()可以避免这个问题，因为它是创建一个垂直的多项式。因此，我喜欢第一种方法：

summary(model)

Call:

lm(formula =noisy.y ~poly(q,3))

Residuals:

Min1QMedian3QMax

-212.326-51.1864.27661.485165.960

Coefficients:

EstimateStd.Errort value Pr(>|t|)

(Intercept)513.6155.60291.69<2e-16***

poly(q,3)12075.89979.42226.14<2e-16***

poly(q,3)2-108.00479.422-1.360.175

poly(q,3)3864.02579.42210.88<2e-16***

---

Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1

Residualstandard error:79.42on 197degrees of freedom

MultipleR-squared:0.8031,AdjustedR-squared:0.8001

F-statistic:267.8on 3and197DF,p-value:0

我们可以使用confint()来获得一个模型的参数的置信区间。

一下是模型参数的置信区间：

confint(model,level=0.95)

2.5%97.5%

(Intercept)502.5676524.66261

poly(q,3)11919.27392232.52494

poly(q,3)2-264.629248.62188

poly(q,3)3707.39991020.65097

现在，我们要作一个拟合VS残差图。如果这是一个拟合效果比较不错的模型，我们应该看不到任何一种模型的模式特征：

plot(fitted(model),residuals(model))

整体来说，这个模型的拟合效果还是不错的，毕竟残差为0.8。第一和第三个订单序列的系数，在统计学当中，是相当这样的，这样在我们的意料之中。现在，我们可以使用predict()函数来获得拟合数据以及置信区间，这样，我们可以不按照数据来作图。

下面是预测值和预测置信区间：

predicted.intervals

在已有的图像中添加拟合线：

lines(q,predicted.intervals[,1],col='green',lwd=3)

lines(q,predicted.intervals[,2],col='black',lwd=1)

lines(q,predicted.intervals[,3],col='black',lwd=1)

添加图例：

legend("bottomright",c("Observ.","Signal","Predicted"),

col=c("deepskyblue4","red","green"),lwd=3)

下面是它的拟合图像：

我们可以看到我们的模型在数据的拟合方面做的不错，我们也因此感到非常满意。

注意：多项式回归是一种更能强大的工具。可是，我们也可能得到事与愿违的结果：在这个例子中，我们知道我们的信号是使用三次多项式而产生的，然而，当我们在分析实际数据的时候，我们通常对此不知情，因此，正因为多项式次数n大于4的时候会产生过度拟合的情况，我们要在这里注意一下。但你的模型取了噪音而不是信号的时候会产生过拟合的情况；甚至，当你在现有的数据进行模型优化的时候，当你要尝试预测新的数据的时候就不好了，它会导致缺失值的产生。