多元统计分析

> library(dplyr)
> bike.cat <- bike %>%
+		select(season:weatherisit)  %>%
+	mutate_each(funs(factor))

mutate_each()函数是dplyr程序包提供的对所有列使用同一函数的操作了。由于bike数据中包含的分类变量实际上是数值型，因此这里使用了factor()函数将其转换成因子型。然后把这些变量变成哑变量，哑变量就是将分类变量的各个谁陪你描述成取值为0或1的新变量。实际上，caret程序包的dummyVars()函数可以方便地转换成哑变量。dummyVars()函数会返回含有构成哑变量所需信息的列表，在此基础上，通过predict()函数就可以实际转换成哑变量。

> install.packages("caret")
> library(caret)
> tmp <- dummyVars(~.,data=bike.cat)
> bike.dum <- predict(tmp,bike.cat)

将转换成哑变量的因子型变量，和用于多元回归分析的数值变量通过cbind()函数结合，就可以执行多元回归分析。

> bike <- cbind(select(bike,temp:winspeed,cnt),bike.dum)
> bike.lm.0 <- lm(cnt~.,data=bike01)
> summary(bike.lm.0)

lm()函数的第1个参数cnt~.形式其中点号表示将cnt以外的全部变量用作解释变量。通过summary()函数可以观察分析结果。其中的一些变量实际上可能对预测没有任何作用。为了解决这个问题，需要通过变量选择来指定最合适的解释变量群。可以通过MASS程序包中的stepAIC()函数执行变量选择。

> library(MASS)
> bike.lm.1 <- stepAIC(bike.lm.0)
> bike.lm.1
> summary(bike.lm.1)

绘制残差的直方图以及观测值和预测值的散点图。

>qplot(residuals(bike.lm.1),binwidth=500,
+		color=I("black"),fill=I("grey"))
> qplot(predict(bike.lm.1),bike$cnt)+geom_smooth(method="lm")

下面我们不转换成哑变量，而是用转换成因子型的分类变量作为解释变量来生成数据框。

> bike02 <- cbind(dplyr::select(bike,temp:windspeed,cnt),
+		bike.cat)
> bike02.lm <- lm(cnt~.,data=bike02)
> summary(bike02.lm)
> bike02.lmstep <- stepAIC(bike02.lm)
> summary(bike02.lmstep)