多元统计分析及R语言建模（第四版）--第四章多元相关与回归分析及R使用课后习题

一个人的牛牛

已于 2022-03-09 19:58:16 修改

阅读量1.3w

点赞数 39

分类专栏：多元统计分析及R语言建模（第四版）课后习题答案文章标签： r语言开发语言回归

于 2021-11-25 23:49:34 首次发布

本文链接：https://blog.csdn.net/qq_55906442/article/details/121549022

版权

该内容涉及多个回归分析案例，包括简单的线性回归和多元线性回归。通过相关系数、决定系数、方差分析和残差图等统计方法，探讨了加班时间与新保单数目、广告预算与销售代理数目、GPA与起始工资以及货运总量与工业产值、农业产值、居民非商品支出之间的关系。分析显示，这些变量间存在显著的线性相关性，并建立了相应的回归方程进行预测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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y（小时）和签发的新保单数目x（张）。

ee4.1=read.table("clipboard",header = T)
ee4.1
plot(ee4.1,main = '散点图', xlab = '保险单数',ylab = '工作时间')
cor(ee4.1)
lm4.1 <- lm(ee4.1)
lm4.1
square_sigma <- t(e4.1)/(10-1-1)
square_sigma
y = c(3.5,1,4,2,1,3,4.5,1.5,3,5)
x = c(825,215,1070,550,480,920,1350,325,670,1215)
y_hat <- 46.15 + 251.17*y
s <- t(y_hat - x)%*%(y_hat - x)/(10-1-1)
s
(summary(lm4.1) $ s)^2
SR <- t(y_hat - mean(x))%*%(y_hat - mean(x))
ST <- t(x - mean(x))%*%(x - mean(x))
s_R <- SR/ST
s_R
(summary(lm4.1) $ r.squared)
anova(lm4.1)
res <- residuals(lm4.1)
res
plot(y,res,main='残差散点图',xlab='每周签发的新保单数目',ylab='残差')
plot(lm4.1)
lm4.1_1 <- lm(x ~ y,data = ee4.1)
predict(lm4.1_1,newdata = data.frame(y = 1000))
lm4.1_1 <- lm(y ~ x,data = ee4.1)
predict(lm4.1_1,newdata = data.frame(x = 1000))

（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。