在实验2．3．1中，我们对mtcars数据集（R 自带数据集）进行了展示和描述，以下对该数据集进行可视化．（1）汽车每加仑英里数直方图＞hist(mtcars＄mpg,breaks＝10)结果如图2-1所示．（2）按汽缸数划分的各车型车重的核密度图＞par(lwd＝2)＞library(sm)＞cyl．f＜－factor(mtcars＄cyl,levels＝c(4,6,8),labels＝c(＂4......
2023-11-18
多元统计分析：R实验中的mtcars数据集回归分析
【摘要】：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
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
＝37．22727－0．03177hp－3．87783wt．并且回归方程通过了显著性检验．
（2）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（考虑变量交互项）．(www.chuimin.cn)
＞fit＜－lm(mpg～hp＋wt＋hp：wt,data＝mtcars)
＞summary(fit)
结果如下：
在上述代码中，“hp：wt”表示hp和wt的交互项．
上述结果表明，hp和wt的交互是显著的．
得到的回归方程为
＝49．80842－0．12010hp－8．21662wt＋0．02785hp·wt．并且回归方程通过了显著性检验．
比较（1）和（2）中的结果，在不考虑变量交互项和考虑变量交互项两种情况下，回归方程虽然都能通过显著性检验，但从R-squared来看，0．8268和0．8848还是有些差别的，并且考虑变量交互项的效果要好一些．
有关应用多元统计分析：基于R的实验的文章
- 详细阅读
-
多元统计分析：R实验中的数据变换方法详细阅读
，n）．记则其中，1p＝（1，1，…，pn·）表示对角线元素为p1·，p2·，…，pn· 的对角矩阵．因此，经过变换后所得到的新数据矩阵B，可以看成是由对应矩阵P 经过中心化和标准化后得到的矩阵．设用于检验行与列是否不相关的χ2 统计量为其中，表示第（i，j）单元在检验行与列两个属性变量否不相关时对总χ2 统计量的贡献，有其中，χ2＝＝T[tr]＝T[tr]＝T[tr]，tr表示方阵SQ 的迹．......
2023-11-18
-
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
-
利用R进行多元统计分析实验，可视化iris数详细阅读
在实验2．3．2中对iris数据集进行了描述和展示，以下对iris数据集进行可视化．花萼长度、花萼宽度、花瓣长度、花瓣宽度的小提琴图小提琴图是箱线图的变种，因为形状酷似小提琴而得名．小提琴图是将箱线图与核密度图结合在一起，它在箱线图上以镜像方式叠加上核密度图．绘制小提琴图，可以使用vioplot包中的“vioplot（ ）”函数，但在第一次使用之前请先安装vioplot包．“vioplot（ ）”函数的调用格式为：vioplot（x1，x2，…......
2023-11-18
-
多元统计分析：用R进行回归分析详细阅读
women数据集（R 自带数据集）提供了15个年龄在30～39岁之间女性的身高和体重的信息．（1）查看women数据集（身高和体重）的信息＞women结果如下：（2）weight和height的简单线性回归＞fit＜－lm(weight～height,data＝women)＞summary(fit)结果如下：由此得到的回归方程为从以上结果可以看出，回归方程通过检验．（3）身高和体重的散点图以及回归......
2023-11-18
-
UScereal数据集方差分析：基于R的多元详细阅读
用MASS包中的UScereal数据集，我们研究美国谷物中的卡路里、脂肪和糖含量是否会因为储存架位置的不同而发生变化．其中1代表底层货架，2代表中层货架，3代表顶层货架．卡路里（calories）、脂肪（fat）和糖（sugars）含量是因变量，货架是3水平（1，2，3）的自变量．（1）单因素多元方差分析在以上代码中，“cbind（ ）”函数将三个变量（calories，fat，sugars）合并......
2023-11-18
-
使用多元统计分析随R展示和描述iris数据集详细阅读
iris数据集是R 自带的数据集，以下对该数据集进行描述和展示．（1）展示iris数据集的前几行＞head(iris)结果如下：其中Sepal．Length，Sepal．Width，Petal．Length，Petal．Width，Species，分别表示（鸢尾花）花萼（Sepal）的长度，花萼的宽度，花瓣（Petal）的长度，花瓣的宽度以及每个观测值来自哪一种类．（2）对鸢尾花数据集的数据进行描......
2023-11-18
-
应用多元统计分析方法：基于R实验详细阅读
多元统计分析是统计学中应用性很强的一个分支，它的应用范围十分广泛．多元统计分析可以应用于几乎所有的领域，主要包括经济学、农业、地质学、医学、工业、气象学、金融、精算、物理学、地理学、军事科学、文学、法律、环境科学、考古学、体育科学、遗传学、教育学、生物学、管理科学、水文学等，还有一些交叉学科或方向等．多元统计分析的应用实在是难以一一罗列，以下简要地介绍一下多元统计分析在文学、数据挖掘（作为交叉学科......
2023-11-18
相关推荐