在R语言中，`lm（）`函数用于拟合线性回归模型，其基本语法如下：
```R
lm（formula, data）
```
其中：
`formula`：描述模型的公式，通常形式为 `response ~ terms`，其中 `response` 是因变量，`terms` 是一个或多个自变量。
`data`：包含模型中变量的数据框（data.frame）。
示例
简单线性回归
```R
创建两个向量 x 和 y
x <- c（1:20）
y <- x * 2
调用 lm（） 函数拟合线性模型
f <- lm（y ~ x）
输出模型摘要
summary（f）
```
多元线性回归
```R
创建两个向量 x 和 y
x <- c（2, 4, 6, 8）
y <- c（1, 3, 5, 7）
调用 lm（） 函数拟合线性模型
f <- lm（y ~ x）
输出模型摘要
summary（f）
```
扩展用法
添加自变量和交互作用：
```R
创建两个向量 x 和 y
x <- c（1:20）
y <- x * 2 + 3 * x^2
调用 lm（） 函数拟合线性模型
f <- lm（y ~ x + x^2）
输出模型摘要
summary（f）
```
处理缺失值：
```R
创建一个包含缺失值的数据框
data <- data.frame（x = c（1, 2, NA, 4）, y = c（2, 4, 6, 8））
调用 lm（） 函数拟合线性模型，指定 na.action = na.omit
f <- lm（y ~ x, data = data, na.action = na.omit）
输出模型摘要
summary（f）
```
注意事项
确保数据框 `data` 中因变量和自变量的列名正确无误。
在使用 `lm（）` 函数时，可以通过 `summary（）` 函数查看模型的拟合效果和统计显著性。
通过以上示例和说明，你可以在R语言中有效地使用 `lm（）` 函数进行线性回归分析。