多元回归、曲线回归

# -----------多元回归的实现-------------

load("F:/桌面/classR/exercise/movie.RData")

movie

# 多元回归的实现

attach(movie) #将数据集中的变量列入搜索路径里

lm.sol=lm(Box~Cost+Baidu+Days) # 所以没有写data=

summary(lm.sol) # 提取结果

# 影响因素的强度

Zmovie<-data.frame(scale(movie))

lm.sol2=lm(Box~0+Cost+Baidu+Days,data=Zmovie)

summary(lm.sol2)

#预测

new=data.frame(Cost=1.3,Baidu =1445,Days=76)

predict(lm.sol,newdata = new,interval = "prediction")

# 回归模型的诊断

attach(movie)

lm.sol=lm(Box~Cost+Baidu+Days,data=movie)

plot(lm.sol)

shapiro.test(lm.sol$residuals)

residuals(lm.sol)

#or

shapiro.test(residuals(lm.sol))

#---------曲线回归模型-------------

#从前提假设的角度

fit1=lm(Box~Score,data=movie)

plot(fit1)

shapiro.test(residuals(fit1))

fit2=lm(I(log(Box))~Score,data = movie) # I表示括号里做数值运算

shapiro.test(residuals(fit2))

#从拟合效果的角度

plot(Box~Days,movie)

lm.sol3=lm(log(Box)~Days,data=movie)

summary(lm.sol3)

plot(lm.sol3)

fit3=lm(Box~Days,data=movie)

summary(fit3)

#一种模型选择方法AIC 曲线回归和线性回归不能通过R^2比较

AIC(lm.sol3)

AIC(fit3)

#-----------练习：二次回归模型--------------

lm.sol3=lm(log(Box)~Days,data=movie)

summary(lm.sol3)

AIC(lm.sol3)

lm.sol4=lm(Box~Days+I(Days^2),movie)

summary(lm.sol4)

AIC(lm.sol4)

#可以转换成线性模型的函数

#回归分析过程