Ｒ语言表达式常用的符号
'～'：分割符号，左边是响应变量，右边是解释变量．例如，要通过ｘ、z和w预测y，代码为y~x+z+w；
'+'：分割预测变量；
':'：表示预测变量的交互项，例如、要通过x、z及x与z的交互项预测y，代码为y~x+z+x:z；
'*'：表示所有可能交互项的简洁方式。代码为y~x*z*w可展开为y~x+z+w+x:z+x:w+z:w+x:z:w；
'^'：表示交互项达到某个次数。代码y~(x+z+w)^2可展开为y~x+z+w+x:z+x:w+z:w；
'.'：表示包含因变量外的所有变量。例如、若一个数据包包含变量x、y、z和w，代码y~.可展开为y~x+z+w;
'-'：减号，表示从等式中溢出某个变量。例如、y~(x+z+w)^2-x:w可展开为y~x+z+w+x:z+z:w；
'-1'：表示删除截距项。例如、表达式y~x-1拟合y在x上的回归，并强制直线通过原点；
'I()'：从算术的角度来解释括号的元素，例如、y~x+(z+w)^2展开为y~x+z+w+z:w。相反，代码y~x+I((z+w)^2)将展开为y~x+h，h是z和w的平方和创建的新变量；
其他：可以在表达式中使用数学函数，例如、log(y)~x+z+w表示通过x、z和w来预测log(y)
拟合线性模型常用的函数
summary()：展示拟合模型的详细结果；
coefficients()：列出拟合模型的模型参数（截距项和斜率）；
confint()：提供模型参数的置信区间（默认95%）；
fitted()：列出拟合模型的预测值；
residuals()：列出拟合模型的残差值；
anova()：生成一个拟合模型的方差分析表，或者比较两个及以上拟合模型的方差分析表；
vcov()：列出模型参数的协方差矩阵；
AIC()：输出赤池信息统计量；
plot()：生成评价拟合模型的诊断图；
predict()：用拟合模型对新的数据集预测响应变量值。