R語言線性回歸分析案例報(bào)告 附代碼數(shù)據(jù)

R語言線性回歸案例報(bào)告R初始指令安裝"汽車"包：install.packages（"汽車”）加載庫汽車library（"car"）加載汽車中的數(shù)據(jù)：數(shù)據(jù)（Salaries，package="car"）查看您的辦公桌上的數(shù)據(jù)（屏幕）：它所表示的薪水視圖（幫助）和數(shù)據(jù)描述：help（薪水）變量的確切名稱：名稱（薪金）datos<-Salariesnames（datos）##[1]"rank" "discipline" "yrs.since.phd""yrs.service"##[5]"sex" "salary"head(datos)##aryrankdisciplineyrs.since.phdyrs.servicesexsa##1ProfB1918Male13##2ProfB2016Male17##3AsstProfB43Male7##4ProfB4539Male11##5ProfB4041Male14##6AssocProfB66Male9考慮誰是定量和定性的變量275032009750500015007000分散圖雖然有些變量不是量化的，但相反，它們是絕對(duì)的，例如秩序是有序的，我們將要制作離散圖pairs(datos,col="blue")

11.011.0考慮到圖表，我們將運(yùn)行變量之間的簡(jiǎn)單回歸模型：“yrs.since.phd"“yrs.ser但首先讓我們來回顧一下變量之間的相關(guān)性。因此，我們要確定假設(shè)正態(tài)性的相關(guān)系數(shù)cor(datos$yrs.since.phd,datos$yrs.service)##[1]0.9096491考慮到這兩個(gè)變量之間的相關(guān)性高，解釋結(jié)果regresion<-lm(yrs.since.phd~yrs.service,data=datos)regresion####Call:##lm(formula=yrs.since.phd~yrs.service,data=datos)####Coefficients:##(Intercept)yrs.service## 6.4384 0.9013結(jié)果因變量yrs.since.phd的選擇是正確的，請(qǐng)解釋為什么編寫表單的模型：y=intercept+oendiente*x解釋截距和斜率

summary(regresion)####Call:##lm(formula=yrs.since.phd~yrs.service,data=datos)####Residuals:3Q Max2.522 24.4503Q Max2.522 24.450##-11.518 -3.748 -1.550####Coefficients:##EstimateStd.##EstimateStd.##(Intercept)6.438380##yrs.service0.901320##—##Signif.codes:0'***'0''1ErrortvaluePr(>|t|)4532314.21<2e-16***0207143.52<2e-16***001'**'0.01'*'0.05'.'0.####Residualstandarderror:5.36on395degreesoffreedom##MultipleR-squared:0.8275,AdjustedR-squared:0.827##F-statistic:1894on1and395DF,p-value:<2.2e-16假設(shè)檢驗(yàn)根據(jù)測(cè)試結(jié)果，考慮到p值=2e-16,是否拒絕了5%的顯著性值的假設(shè)？斜率為零根據(jù)測(cè)試結(jié)果，考慮到p值=2e-16，關(guān)于斜率的假設(shè)是否被拒絕了5%的顯著性值？考慮到變量yrs.service在模型中是重要的模型和測(cè)試調(diào)整考慮到R的平方值為0.827,你認(rèn)為該模型具有良好的線性擬合？解釋調(diào)整的R平方值考慮到驗(yàn)證數(shù)據(jù)與模型擬合的測(cè)試由F統(tǒng)計(jì)得到：1894在1和395DF,p值：＜2.2e-16認(rèn)為模型符合調(diào)整？##使用模型進(jìn)行估計(jì)為變量x的以下值查找yrs.since.phd的估計(jì)值：x<-c(12,11,35)x##[1]121135Graficasdelmodeloplot(datos$yrs.service,datos$yrs.since.phd,xlab="anosdeserivio",ylab="anosdePhD",col="red")abline(regresion)Qf0}pQf0}p8^afiosdeserivioValidacidndelmodeloEnestecasosedeseadeterminarlosresiduos(error)entreelmodeloyloobservadoyversilosresiduoscumplencon:1.Tenermedia=02.Varianza=constante3.Sedistribuyennormal(0,constante)Losresiduossegeneranacontinuacion(porfacilidadsologeneramoslosprimeros20[1:20])residuos<-rstandard(regresion)residuos[1:20]TOC\o"1-5"\h\z## 1 2 3 4 56##-0.68414645-0.16058147-0.96218984 0.63921055-0.63640410-1.09326547## 7 8 9 10 1112## 0.52900688-0.37536060-0.64730590-0.87095822-0.30826102-0.23226232## 13 14 15 16 1718##-1.18678371-0.83107204-0.49733467 0.53469705-1.02094494 0.17157280## 19 20

## 1.83697173 0.02133757Valoresajustados,esdecirelvalordelavariableydadOporelmodelo(porfacilidadsologeneramoslosprimeros20[1:20])valores.ajustados<-fitted(regresion)valores.ajustados[1:20]##7##22.66222320.859574632627.1688479.14235241.59004443.39269311.84##1410111213##46.99799324.464873702 6.43837722.66222313.6489768.2410277.339##151617181920##22.662223 9.1423526070##22.66222320.859574632627.1688479.14235241.59004443.39269311.84##1410111213##46.99799324.464873702 6.43837722.66222313.6489768.2410277.339##151617181920##22.662223 9.142352607024.46487337.08342027.16884738.88Pruebadenormalidad,utilizamoslapruebaQQquepermitededucirsilosdatosseajustanalanormal(silosdatosestancercadelal^nea)qqnorm(residuos,col="blue")qqline(residuos,col="red")ValidaciondelmodeloEnestecasosedeseadeterminarlosresiduos(error)entreelmodeloyloobservadoyversilosresiduoscumplencon:1.Tenermedia=02.Varianza=constante3.Sedistribuyennormal(0,constante)Losresiduossegeneranacontinuacion(porfacilidadsologeneramoslosprimeros20[1:20])residuos<-rstandard(regresion)residuos[1:20]## 1 2 3 4 56## -0.68414645 -0.16058147 -0.96218984 0.63921055 -0.63640410-1.09326547## 7 8 9 10 1112## 0.52900688 -0.37536060 -0.64730590 -0.87095822 -0.30826102-0.23226232【原創(chuàng)】附代碼數(shù)據(jù)有問題到淘寶找“大數(shù)據(jù)部落”就可以了## 13 14 15 1618##-1.18678371-0.83107204-0.49733467 0.53469705-1.02094494 0.17157280## 19 20## 1.83697173 0.02133757Valoresajustados,esdecirelvalordelavariableydadOporelmodelo(porfacilidadsologeneramoslosprimeros20[1:20])valores.ajustados<-fitted(regresion)valores.ajustados[1:20]##7##22.66222320.859574632627.168847##14##46.99799324.464873702 6.438377##15##22.662223 9.14235260703459.142352##7##22.66222320.859574632627.168847