初次用R的实际案例数据分析

最新推荐文章于 2024-02-27 23:32:59 发布

Fimi1008

最新推荐文章于 2024-02-27 23:32:59 发布

阅读量1.3k

点赞数 1

文章标签： r语言

原文链接：http://www.cnblogs.com/kisaragi/p/11148803.html

版权

本文介绍了使用R语言进行商务数据分析的案例，包括数据预处理、描述性统计分析和方差分析。通过对非学位职业培训机构学员数据的处理，探讨了性别、出生日期、企业性质和最高学历等因素对学习效果的影响。

摘要由CSDN通过智能技术生成

目录

数据描述

数据预处理

描述性统计分析

模型分析(方差分析)

数据描述

非学位职业培训机构的178个学员的数据，目的是了解什么样的学员可能获得更好的学习效果

打开数据，查看一部分数据并锁定数据（这样之后可以直接使用变量名而不用$来指定数据）

grades=read.table('E:/SWlearning/R/assighment/RegressionAnalysis/Report/ins1.csv',
        header=TRUE,sep=',')
head(grades)
attach(grades)

结果显示

将变量名改成英文

names(grades)=c('aveGrades','gender','birth','firmType','eduBG','eduGrd')

响应变量（因变量）：因变量.平均成绩（aveGrades）
自变量：性别(gender)，出生日期(birth)，企业性质(firmType)，最高学历(eduBG)，最高学历毕业时间(eduGrd)

检查相应变量的正态性

shapiro.test(aveGrades)

结果显示

        Shapiro-Wilk normality test

data:  aveGrades
W = 0.89736, p-value = 9.286e-10

p值非常的小故拒绝原假设，即拒绝数据是正态分布的原假设

接下来用BoxCox的方法，建立新的相应变量从而保证其正态性，注意BoxCox.ar是包TSA里的函数

关注