R语言数据分析案例36-酒店数据分析(多元线性回归)

本文链接：https://blog.csdn.net/m0_62638421/article/details/139928830

一、研究背景和意义

随着旅游业的快速发展和人们生活水平的提高，酒店行业作为旅游业的重要组成部分，也得到了迅猛的发展。北京作为中国的首都和国际化大都市，拥有众多的酒店，酒店市场竞争激烈。因此，对北京酒店市场进行数据分析，了解市场现状和趋势，对于酒店经营者和消费者都具有重要的意义。。。。

二、实证分析

首先我们读取了数据集并且查看了前五行的数据，数据如下：

数据和代码

报告代码和数据

# 读取数据集
hoteldata <- read.csv("hoteldata.csv")
head(hoteldata,5)

这是一个关于多家酒店的数据集，包含了酒店名称、地区、地址、卫生评分、服务评分、设施评分、位置评分、评价数、装修时间、房间类型、房价、经度、纬度、公司、出行住宿、校园生活等信息。

接下来查看数据具体结构

通过对这些数据的分析，我们可以得到数据主要包括字符串型和数值型数据。。。。

接下来查看数据集的描述性统计量

summary(hoteldata)

数据集中的酒店分布在北京市的不同地区，卫生评分、服务评分、设施评分和位置评分的平均值都在 4.5 左右，评价数的中位数为 209.5。。。

接下来对特征值进行可视化，首先绘制房价的直方图：

  # 绘制房价的直方图
hist(hoteldata$房价, main = "房价分布", xlab = "房价", ylab = "频数", col = "lightblue")

# 绘制卫生评分、服务评分、设施评分、位置评分的箱线图
boxplot(hoteldata$卫生评分, hoteldata$服务评分, hoteldata$设施评分, hoteldata$位置评分, main = "评分分布", xlab = "评分类型", ylab = "评分", col = c("red", "green", "blue", "yellow"))

从上面呈现的直方图中可以清晰地看出，房价的分布主要集中在 2000 元左右，这一价格区间的频数最高。随着房价的逐渐升高，其对应的频数呈现出逐渐降低的趋势。。。

接下来绘制的箱线图则进一步展示了房价的分布情况：

这个评分箱线图主要用于展示卫生评分、服务评分、设施评分和位置评分的情况。从图中可以看出，卫生评分最高，约为 4.6 左右，其次是服务评分，最后是设施评分。。。

接下来绘制不同地区酒店数量的柱状图：

从上面同地区酒店数量的柱状图可以看出，其中朝阳区的酒店分布是最多的，接近200，其次是其他城区

接下来绘制不同房间类型酒店数量的柱状图：

下来分析不同公司附近酒店数量的柱状图：

从图中可以清晰地看到，大部分酒店周边都分布着众多的公司。这种布局无疑为人们的需求提供了极大的便利。。。

相关系数热力图：

cor_matrix <- cor(numeric_vars)
# 绘制热力图
heatmap(cor_matrix, main = "数值型变量热力图", xlab = "变量", ylab = "变量")

接下来对数值型变量建立线性回归模型来研究：

# 建立线性回归模型
model <- lm(房价 ~., data = numeric_vars)

其中Residuals给出了残差的最小值、第一四分位数、中位数、第三四分位数和最大值。残差是实际房价与模型预测房价之间的差异。

Coefficients列出了模型的系数估计值、标准误差、t 值和 p 值。例如，卫生评分的系数为 1647，意味着卫生评分每增加 1 个单位，房价预计会增加 1647 元。。。

接下来对模型进行检验：

# 进行模型诊断，检查模型的假设是否满足
plot(model)

从上面残差图可以看出，模型的假设基本满足。接下来进行拟合优度检验

r_squared <- summary(model)$r.squared
adjusted_r_squared <- summary(model)$adj.r.squared
cat("R-squared:", r_squared, "\n")
cat("Adjusted R-squared:", adjusted_r_squared, "\n")

拟合优度结果为R-squared: 0.2218918，有点低。