多元统计分析及R语言建模（王斌会）第三第四章答案

3)要了解学校毕业生起始工资的变化是否能用学生的平均成绩点数(GPA)和毕业时的年龄来解释。表4-7为某学校办公室提供的样本数据。

表4-7某学校学生起始工资、GPA及年龄数据

GPA	年龄	起始工资
2.95 3.40 3.20 3.10 3.05 2.75 3.15 2.75	22 23 27 25 23 28 26 26	25 500 28 100 28 200 25 000 22 700 22 500 26 000 23 800

（1）试做回归模型并解释各系数;

> library(openxlsx)

> e4.3 = read.xlsx('E:/mvexer5.xlsx','E4.3')

> fm = lm(起始工资~ GPA + 年龄,data = e4.3)  #多元线性回归模型

> fm

在Rstudio中运行结果如下

图3.1建立回归模型

由运行结果知多元线性回归函数为：

起始工资 = -5213.1 + 8508.8*GPA + 181.6*年龄

解释：在GPA不变的情况下，年龄每增加一个单位，起始工资就增加181.6个单位；
在年龄不变的情况下，GPA每增加一个单位，起始工资增加8508.8个单位。

1. 确定学生的GPA和年龄是否能真正用来解释起始工资样本的变化;

> summary(fm)   #检验回归系数

> (R4.3 = summary(fm) $ r.sq)  #显示多元线性回归模型决定系数

> (R4.4.3 = sqrt(R4.3))  #显示多元数据复相关系数

在Rstudio中运行结果如下：

图3.2检验回归模型

R2= Multiple R-squared=0.6677不接近1,说明回归方程拟合度低，学生的GPA和年龄不能真正用来解释起始工资样本的变化

（3）预测某GPA为3.00,年龄为24岁的毕业生的起始工资。

> predict(fm,newdata = data.frame(GPA = 3,年龄 = 24))

在R语言中运行结果如下：

图3.3预测起始工资

4)研究货运总量y（万吨）与工业总产值x1（亿元）、农业总产值x2（亿元）、居民非商品支出x3(亿元)的关系。有关数据见表4-8

1. 计算y,x1,x2,x3的相关系数矩阵并绘制矩阵散点图

> library(openxlsx)

> e4.4 = read.xlsx('E:/mvexer5.xlsx',sheet = 'E4.4')

> cor(e4.4)  #y,x1,x2,x3的相关系数矩阵

> cor(e4.4[,-1])  #去除y后的相关系数矩阵

> pairs(e4.4)  #绘制矩阵散列图

用Rstudio运行如下：

图4.1相关系数矩阵

 

图4.2矩阵散列图

（2）求y关于x1,x2,x3的多元线性回归方程

> fm <- lm(y ~ x1 + x2 + x3,data = e4.4)

> summary(fm)

在Rstudio中运行结果如下：

图4.3多元线性回归方程

（6）使用逐步回归分析的逐步筛选方法获得一个最优的回归模型

> fm.step = step(fm,direction = 'both') #逐步筛选法变量选择结果

在Rstudio中运行结果如下：

图4.4逐步筛选回归模型

3)某银行从历史贷款客户中随机抽取16个样本，根据设计的指标体系分别计算他们的“商业信用支持度”(x1)和“市场竞争地位等级”（x2),类别变量G中，1代表贷款成功，2代表贷款失败。数据如表5-11所示

（1）为了给正确贷款提供决策支持，请建立Logistic模型进行分析；

> library(openxlsx)

> e5.3 = read.xlsx('E:/mvexer5.xlsx',sheet = 'E5.3')

> logit.glm = glm(G ~ x1 + x2,data = e5.3) #建立Logistic模型

> summary(logit.glm)

在Rstudio中运行结果如下：

图5.1Logistic模型分析

由运行结果知logistic拟合的模型x1的P>0.05，x2的P<0.05，说明有影响

（2）根据建立的模型，判定是否给某用户（x1 = 131,x2 = -2）提供贷款。

> logit.step <- step(logit.glm,direction = 'both') #逐步筛选法变量选择

> summary(logit.step)

> predict(logit.glm,data.frame(x1 = 131,x2 = -2))

> predict(logit.step,data.frame(x1 = 131,x2 = -2))

在Rstudio中运行结果如下：

图5.2判定是否提供贷款

由运行结果知，预测值为2，表示贷款失败，不会给用户（x1 = 131,x2 = -2）提供贷款。