多元统计分析及R语言建模（第五版）——第4章多元相关与线性回归分析课后习题

最新推荐文章于 2023-12-09 16:30:00 发布

疏影月

最新推荐文章于 2023-12-09 16:30:00 发布

阅读量2.9w

点赞数 59

分类专栏：多元统计分析及R语言建模

本文链接：https://blog.csdn.net/qq_45111488/article/details/110391724

版权

本文探讨了多元相关与线性回归分析，通过实例展示了如何利用R语言进行数据建模。内容包括：绘制散点图判断线性关系，计算相关系数，最小二乘法求回归方程，方差分析，残差图分析，以及逐步回归筛选最优模型。通过案例分析了广告预算、销售代理数目、GPA和年龄等因素对销售额、起始工资和货运总量的影响。

摘要由CSDN通过智能技术生成

第4章多元相关与线性回归分析

本文用到的数据可以去这个网址下下载多元统计分析及R语言建模（第5版）数据
练习题
1）一家保险公司想了解其总公司营业部加班时间与签发的新保单数目之间的关系，经过10周时间，收集了每周加班工作时间x（小时）和签发的新保单数目y的数据（张），…
(1)绘制散点图，并以此判断x与y之间是否大致呈线性关系

x = c(3.5,1,4,2,1,3,4.5,1.5,3,5)
y = c(825,215,1070,550,480,920,1350,325,670,1215)
z = data.frame(x,y)
z

在这里插入图片描述

plot(x,y,main = '散点图',xlab = '每周加班时间（小时）',ylab = '每周签发的新保单数目（张）')            #绘制散点图

在这里插入图片描述根据散点图可知，x与y之间大致呈线性关系
（2）计算x与y的相关系数

cor(x,y)         #计算相关系数，相关系数计算函数cor()

在这里插入图片描述
（3）用最小二乘估计法求回归方程

lm4.1 <- lm(y ~ x)
lm4.1

在这里插入图片描述
由结果可知回归方程为：y = 251.17x + 46.15

（4）求随机误差ε的方差σ^2的估计值

x_hat <- 46.15 + 251.17*x
square_sigma <- t(x_hat - y)%*%(x_hat - y)/(10-1-1)
square_sigma

在这里插入图片描述

(summary(lm4.1) $ sigma)^2

在这里插入图片描述
（5）计算x与y的决定系数

SSR <- t

关注