MASS包中包含Boston数据集（波士顿房价），它记录了波士顿周围506个街区的medv（房价中位数）．我们将设法用13个预测变量如rm（每栋住宅的平均房间数），age（平均房龄），lstat（社会经济地位低的家庭所占比例）等来预测medv（房价中位数）．（1）首先查看Boston数据集（波士顿房价）中的变量＞library(MASS)＞fix(Boston)＞names(Boston)结果如下......
2023-11-18
回归分析与state.x77数据集
【摘要】：R 中自带的state．x77数据集包括Population（人口），Income（收入），Murder（犯罪率），Frost（结霜天数），Illiteracy（文盲率），Area（土地面积），Life．Exp（预期寿命）及HS Grad（高中毕业率）8个变量．以下我们考虑（美国各州的）Murder（犯罪率）与一些因素的关系，这些因素主要包括：Population（人口），Income（收入），I
R 中自带的state．x77数据集包括Population（人口），Income（收入），Murder（犯罪率），Frost（结霜天数），Illiteracy（文盲率），Area（土地面积），Life．Exp（预期寿命）及HS Grad（高中毕业率）8个变量．
以下我们考虑（美国各州的）Murder（犯罪率）与一些因素的关系，这些因素主要包括：Population（人口），Income（收入），Illiteracy（文盲率），Frost（结霜天数）等．
（1）为了用函数“lm（ ）”进行回归，根据state．x77数据集建立一个数据框
states＜－as．data．frame(state．x77[,c(＂Murder＂,＂Population＂,＂Illiteracy＂,＂Income＂,＂Frost＂)])
（2）为了进行回归，先计算变量之间的相关系数
用“cor（ ）函数”计算两个变量之间的相关系数．
＞cor(states)
结果如下：
（3）以下画散布图矩阵
car包中“scatterplotMatrix（ ）”函数能生成散布图矩阵．
＞library(car)
＞scatterplotMatrix(states,spreed＝FALSE,lty．smooth＝2,
＋main＝＂Scat ter plot matrix＂)(www.chuimin.cn)
结果如图3-5所示．
图3-5包括线性、平滑曲线以及相应的边际分布（核密度和轴须图）．
说明：在上述代码中，“spreed＝FALSE”选项删除了残差正负均方根在平滑曲线的展开和非对称信息，“lty．smooth＝2”选项设置平滑拟合曲线为虚线．
图3-5 散布图矩阵
（4）进行多元线性回归
＞fit＜－lm(Murder～Population＋Illiteracy＋Income＋Frost,data＝states)
＞summary(fit)
结果如下：
从以上结果可以看出，Illiteracy（文盲率）的系数在p＜0．01水平下显著不为零，Frost（结霜天数）则没有显著不为零（p＝0．9541）．
有关应用多元统计分析：基于R的实验的文章
- 详细阅读
-
多元回归分析：R语言中stackloss数据详细阅读
在实验4．4．1中曾对R 自带的stackloss数据集进行了逐步回归，现在我们在实验4．4．1的基础上进行回归诊断．（1）画回归诊断图＞opar＜－par(mfrow＝c(2,2))＞plot(lm．step,1：4)＞par(opar)结果如图4-2所示．图4-2回归诊断图分析4张回归诊断图（图4-2）．第1张是残差图，得到的残差图呈喇叭口形状，属于异方差情况（这样的数据需要作Box-Cox......
2023-11-18
-
多元统计分析：R实验中的mtcars数据集回详细阅读
在实验2．3．1中，我们对mtcars数据集进行了展示和描述．在实验2．3．3中，我们对mtcars数据集进行了可视化．现在我们对该数据集中的变量进行回归分析．（1）不考虑变量交互项对该数据集，如果把mpg（汽车每加仑公里数）作为因变量，自变量为hp（马力）和wt（汽车重量）进行回归．＞fit＜－lm(mpg～hp＋wt,data＝mtcars)＞summary(fit)结果如下：得到的回归方程为......
2023-11-18
-
生态数据分析与建模：直线回归分析的计算详细阅读
直线回归是回归分析中最简单的一种，又称为简单回归。（一）直线回归方程散点图上呈现直线趋势的两个变数，自变量x的每一个取值都有y的一个分布与之对应。试计算其直线回归方程。为简化手续，可从以下恒等式得出：（五）直线回归的数学模型和基本假定回归分析的依据是直线回归模型。......
2023-11-17
-
生态数据分析与建模：回归分析问题与原因详细阅读
在多数生态学文献中，回归分析方面的问题是所有应用统计学中出现频率最高的问题。R2实际上是一个相对的度量，它表示回归平方和占总平方和的百分比。......
2023-11-17
-
生态数据分析与建模：直线回归假设测验详细阅读
所以对于样本的回归方程，必须测定其来自无直线回归关系总体的概率大小。所以对直线回归的假设测验为H0：β＝0对HA：β≠0由（6-3）式可推得回归系数b的标准误Sb为：而遵循ν＝n-2的t分布，故由t值即可知道样本回归系数b来自β＝0总体的概率大小。所以，对直线回归作假设测验，只需选择上述测验方法之一即可。......
2023-11-17
-
实验4．4．3state．x77数据集的逐步详细阅读
在实验3．3．3中我们已经研究过美国各州犯罪率与其他因素关系（state．x77数据集），在进行多元线性回归分析中，4个自变量都进入方程时，回归方程的显著性没能通过检验．以下对state．x77数据集进行逐步回归和回归诊断．（1）回顾简单多元线性回归情形＞states＜－as．data．frame(state．x77)＞lm．sol＜－lm(states＄Murder～states＄Populat......
2023-11-18
-
基于R的实验stackloss数据集逐步回归详细阅读
对R 自带的stackloss数据集进行逐步回归．（1）首先显示stackloss数据集的信息其中，变量为stack．loss（氨气损失百分比），Air．Flow（空气流量），Water．Temp（水温），Acid．Conc．（硝酸浓度）．（2）计算变量间的相关性——相关系数＞cor(stackloss)结果如下：（3）散布图矩阵＞library(car)＞scatterplotMatrix(st......
2023-11-18
相关推荐