R语言统计学-线性回归-回归方程、回归模型、回归预测（置信带和预测带）

题目

（统计学-基于R-第五版-第十章习题10.2）

        随机抽取10家航空公司，对其最近一年的航班准点率和顾客投诉次数进行调查，所得数据如下：

1. 用航班准点率作自变量，顾客投诉次数作因变量，求出估计的回归方程，并解释回归系数的意义。
2. 检验回归系数的显著性（α=0.05）。
3. 如果航班准点率为80%，估计顾客的投诉次数。

实现代码和结果

1、用航班准点率作自变量，顾客投诉次数作因变量，求出估计的回归方程，并解释回归系数的意义。

        回归方程中的回归系数是指自变量（或预测变量）对因变量（或响应变量）的影响程度。具体来说，回归系数表示当自变量的单位变化时，因变量相对应的变化量。回归方程通常采用最小二乘法等技术进行拟合，以找到最能描述自变量和因变量之间关系的线性模型。        

        求回归方程和回归拟合图的代码和输出结果如下所示，由结果可知，航班准点率和投诉次数的回归方程为：y^=-4.7006×航班准点率+430.1892。

        将航班准点率的各个取值代入上述回归方程，可以得到投诉次数的各个估计值，-4.7006为回归系数，表示航班准点率每变动一个单位，投诉次数也会跟着变动；430.1892为截距，表示航班准点率为0时，投诉次数的均值。

example8<-read.csv("C:/Users/lenovo/OneDrive/大二/大数据统计学实验/实验表格/航空公司航班准点率与顾客投诉次数.csv")
#航班准点率（自变量），投诉次数（因变量）
model<-lm(投诉次数~航班准点率,data=example8)     #拟合线性模型
summary(model)
#绘制拟合图
attach(example8)
model<-lm(投诉次数~航班准点率)
plot(投诉次数~航班准点率,main="图1 投诉次数和航班准点率的回归拟合图")
text(投诉次数~航班准点率,label=航空公司编号,cex=.6,adj=c(-0.6,25),col=4)
abline(model,col=2,lwd=2)
for(i in 1:n){segments(example8[i,3],example8[i,2],example8[i,3],model$fitted[i],col=4)}
mtext(expression(hat(y)==430.1892-4.7006%*%航班准点率),cex=0.7,side=1,line=-6,adj=0.75)
arrows(600,4900,550,5350,code=2,angle=15,length=0.08)

2、检验回归系数的显著性（α=0.05）。

        由第一小题输出结果所示，P=0.001108，小于0.05，拒绝H₀，表示航班准点率和投诉次数之间的线性关系显著。

3、如果航班准点率为80%，估计顾客的投诉次数。

        置信带是用来估计回归模型中参数的可信程度的范围。在回归分析中，我们通常对回归系数进行估计，而置信带表示了对该估计的不确定性。置信带给出了回归系数的估计值周围的一个区间，我们可以合理地认为真实的回归系数落在这个区间内的概率较高（通常为95%的置信水平）。

        预测带是用来估计对新观测值的预测的不确定性的范围。与置信带不同，预测带考虑了除了回归系数估计之外的随机误差对预测的影响。预测带给出了对于给定的自变量值，因变量的预测值周围的一个区间，我们可以合理地认为新观测值落在这个区间内的概率较高（同样通常为95%的置信水平）。

        本题实现代码和输出结果如下所示，图中fit为点预测值，lwr和upr分别为预测区间的下限和上限，结果表示航班准点率为80%的顾客投诉次数约为54。图2中间红色的是拟合的回归直线，两侧的深色区域是投诉次数均值95%的置信带，浅色区域是投诉次数个别值的95%的预测带。

#利用回归方程预测新值
#绘制置信带和预测带
library(investr)
model<-lm(投诉次数~航班准点率,data=example8)
plotFit(model,interval="both",level=0.95,shade=TRUE,col.conf="skyblue3",col.pred="lightskyblue2",col.fit="red2",main="图2 10家航空公司投诉次数95%的置信带和预测带")
legend(x="topright",legend=c("回归线","置信带","预测带"),col=c("red2","skyblue3","lightskyblue2"),fill=c("red2","skyblue3","lightskyblue2"),cex=0.9)
#航班准点率为80%，估计顾客的投诉次数
predict(model,data.frame(航班准点率=80),interval = "prediction",level=0.95)