R 语言作业——P118：练习题3，4

3）题目：要了解学校毕业生起始工资是否能用 GPA 和毕业时的年龄来解释，请利用样表数据来进行解释。（表格已经整理到 Excel 表格中，如下图所示：）

导入数据：
（1）试做回归模型并解释各项系数：

由此运算结果可得：多元线性回归函数为：
起始工资 = -5213.1 + 8508.8GPA + 181.6年龄
解释：
在 GPA 不变的情况下，年龄每增加一个单位，起始工资就增加 181.6 个单位；
在年龄不变的情况下，GPA 每增加一个单位，起始就工资增加 8508.8 个单位；
对其进行标准化偏回归系数计算:

（2）确定学生的 GPA 和年龄是否能真正用来解释起始工资样本的变化。
由结果可知 R^2=Multiple R-squared=0.6677 不接近 1,说明回归方程拟合度低，所
以不能用学校毕业生的 GPA 和毕业时的年龄一起来解释起始工资样本的变化。
但可单独使用 GPA 来解释起始工资样本的变化。

（3）预测某 GPA 为 3.0，年龄为 24 岁的毕业生的起始工资。
所以 GPA 为 3.0，年龄为 24 岁的毕业生的预测起始工资为 24671.16。

4）题目（邹么）：研究货运总量 y_1（万吨）与工业总产值 x_1（亿元）、农业 总产值 x_2（亿元）、居民非商品支出 x_3（亿元）的关系。（表格已经整理到 Excel 表格中，如下图所示：

导入数据：

（1）计算出 y_1，x_1，x_2，x_3 的相关系数矩阵。

绘制矩阵散点图：

（2）求出 y_1 与 x_1，x_2，x_3 的多元线性回归方程。

由运算结果可得回归方程：

y_1^= -348.280 + 3.754x_1+7.101x_2+12.447x_3

对其进行标准化偏回归系数计算:
（3）对所求方程做拟合优度检验——>回归系数 t 检验:

由运算结果可知：

R^2=Multiple R-squared=0.8055 接近 1,说明回归方程拟合度高。

（4）由（3）回归方程可知显著性检验并每一个回归系数做显著性检验。

• F=8.283 > F0.05(3,6)=4.76，说明拒绝原假设 H0，x 与 y 有显著的线性关系。
• t_1=1.942<t0.05(8)=1.943，P1=0.1002>α=0.05，所以接受原假设，说明 x_1对 y 没有显著的影响
• t_2=2.465>t0.05(8)=1.943，P2=0.0488<α=0.05，所以拒绝原假设，说明 x_2对 y 有显著的影响
• t_3=1.178<t0.05(8)=1.943，P3=0.2835>α=0.05，所以接受原假设，说明 x_3对 y 没有显著的影响

（5）如果有的回归系数没有通过显著性检验，将其剔除，重新建立回归方程，并做回归方程的显著性检验和回归系数的显著性检验。由（4）题可知 P3=0.2835>α=0.05 是最大的，所以需要剔除 x_3,重新建立新的回归方程。
由运算结果可得回归方程：

y_1^= -459.624 + 4.676x_1+8.971x_2

再次进行显著性检验，对每一个回归系数做显著性检验。

• F=11.12>F0.05(2，7)=4.74，说明拒绝原假设 H0，说明拒绝原假设 x 与 y 有显著的线性关系 。
• t_1=2.575<t0.05(8)=1.943，P1= 0.03676 <α=0.05，所以拒绝原假设，说明 x1对 y 有显著的影响
• t_2= 3.634 >t0.05(8)=1.943，P2= 0.00835<α=0.05，所以拒绝原假设，说明 x2对 y 有显著的影响

所以得到最终回归方程为：

y_1^= -459.624 + 4.676x_1+8.971x_2

（6）使用逐步回归分析的逐步筛选法获得一个最优的回归模型。
使用逐步回归分析的逐步筛选法得到的回归模型方程为：

y_1^= -348.280 + 3.754x_1+7.101x_2+12.447x_3