R语言：北京PM2.5浓度回归分析

竞赛信息及数据来源：
https://www.pkbigdata.com/common/cmpt/北京PM2.5浓度回归分析训练赛_竞赛信息.html

# 读入数据
data <- read.csv('pm25_train.csv',stringsAsFactors = F)
# cbwd四个分类会导致完全共线，所以删除一个
data <- data[,-13]


# 数据描述性统计
str(data)
summary(data)
# y的分布
hist(data$pm2.5)
# x与y散点图
par(mfrow=c(3,4))
for(i in c(2,4:12)){
  plot(data$pm2.5~data[,i],xlab=colnames(data)[i],main=paste0('pm2.5 and ',colnames(data)[i]))
}

# 相关性分析
corr <- cor(data[,-1])
corr
# 相关性可视化，可以看出TEMP和DEMP，PRES三者之间相关性较高
library(corrplot)
par(mfrow=c(1,1))
corrplot(corr = corr)


# 多重共线性检验，29.3533<100,说明共线性程度小
kappa(corr,exact=TRUE)

# 多元线性回归模型建立
# 画直方图发现pm2.5是偏态分布，所以先对pm2.5取对数再进行回归，pm2.5=0时，对数取0
data