没难度

呵呵，我使用最多的是Matlab，现在需要用R。
你们都是高手，但是我的问题是：
使用lm.name=lm(y~x-1)得到的决定系数R^2为什么和excel取截距为零时的结果不同，所以才提出“是有难度的”，呵呵，还请高手不惜赐教决定系数出现错误的原因。

x<-seq(1,100,by=1)
y<-2*x+rnorm(100,0,0.5)
现在我使用s<-lm(y~1)进行拟合，即只是考虑为常数，得到
Call:
lm(formula = y ~ 1)

Residuals:
     Min       1Q   Median       3Q      Max
-99.4936 -49.6718   0.7034  49.5600  98.9777

Coefficients:
                     Estimate    Std. Error     t value      Pr(>|t|)   
(Intercept)  101.001      5.807           17.39        <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 58.07 on 99 degrees of freedom

它明显是一个y=2x的函数，怎么使用y=c（c为一个常数101）怎么就通过了检验呢?p值下于0.05，为什么呢？

这个没有什么奇怪的, 你没有搞清楚这里检验结果的意义. 因为你的模型是错的, 检验给出了在当前这个错误的模型下, 截距项显著非零, 如果你用正确的模型就会看到检验说明此时截距显著的为零:


lm(formula = y ~ x)

Residuals:
       Min         1Q     Median         3Q        Max
-1.0843407 -0.2499349  0.0006604  0.2542515  1.1183751

Coefficients:
                      Estimate   Std. Error   t value   Pr(>|t|)   
(Intercept) 0.019273   0.093312    0.207        0.837   
       x           1.999046   0.001604 1246.138   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.4631 on 98 degrees of freedom
Multiple R-squared: 0.9999,     Adjusted R-squared: 0.9999
F-statistic: 1.553e+06 on 1 and 98 DF,  p-value: < 2.2e-16

假设检验真的需要慢慢琢磨，嗯，好好学习

命令lm(y~0+x)