r语言回归分析_R语言简单线性回归分析

数据来源：榛果民宿爬虫数据

根据之前初步可视化得到的数据，我们认为，可以对月流水~价格，月流水~入住率之间的关系进行线性回归分析：

在此，我们还是要对其他因素进行相关关系的分析，以验证之前的结论是否正确。对于非数值型，即逻辑型元素，我们会用逻辑回归分析来解决。

1.	年龄-价格
2.	> cor(data[,2],data[,3])  
3.	[1] 0.1694674  
4.	年龄-入住率  
5.	> cor(data[,2],data[,5])  
6.	[1] 0.05836035  
7.	年龄-月流水  
8.	> cor(data[,2],data[,6])  
9.	[1] 0.08120197  
10.	价格-入住率  
11.	> cor(data[,3],data[,5])  
12.	[1] 0.2360558  
13.	价格-月流水  
14.	> cor(data[,3],data[,6])  
15.	[1] 0.7449479  
16.	入住率-月流水  
17.	> cor(data[,5],data[,6])  
18.	[1] 0.7738394  

可见，年龄和入住率有轻微的关联，价格和月流水相关关系较强，入住率和月流水的相关关系较强。下面将以上关联数据图形化，用散点图展示：

图6-1 入住率-年龄散点图

图6-2 月流水-入住率散点图

图6-3 月流水-价格散点图

可见，入住率和价格与月流水之间有近似的线性关系，其中存在的误差因素：数据中有两室一厅及更高户型的价格会更高一些，在入住率不高的情况下也会有着较高的月流水，还有其他一些因素，这里不再赘述

下面进行进一步的相关性测试：

年龄-入住率

1.	> cor.test(data[,2],data[,5],method='spearman')  
2.	  
3.	        Spearman's rank correlation rho  
4.	  
5.	data:  data[, 2] and data[, 5]  
6.	S = 2554972, p-value = 0.1406  
7.	alternative hypothesis: true rho is not equal to 0  
8.	sample estimates:  
9.	        rho   
10.	-0.09520067   
11.	  
12.	Warning message:  
13.	In cor.test.default(data[, 2], data[, 5], method = "spearman") :  
14.	  无法给连结计算精確p值  

价格-月流水

1.	> cor.test(data[,3],data[,6],method='spearman')  
2.	  
3.	        Spearman's rank correlation rho  
4.	  
5.	data:  data[, 3] and data[, 6]  
6.	S = 768090, p-value < 2.2e-16  
7.	alternative hypothesis: true rho is not equal to 0  
8.	sample estimates:  
9.	      rho   
10.	0.6707547   
11.	  
12.	Warning message:  
13.	In cor.test.default(data[, 3], data[, 6], method = "spearman") :  
14.	  无法给连结计算精確p值  

入住率-月流水

1.	> cor.test(data[,5],data[,6],method='spearman')  
2.	  
3.	        Spearman's rank correlation rho  
4.	  
5.	data:  data[, 5] and data[, 6]  
6.	S = 446369, p-value < 2.2e-16  
7.	alternative hypothesis: true rho is not equal to 0  
8.	sample estimates:  
9.	      rho   
10.	0.8086619   
11.	  
12.	Warning message:  
13.	In cor.test.default(data[, 5], data[, 6], method = "spearman") :  
14.	  无法给连结计算精確p值  

经证实，入住率，价格与月流水之间的相关性异常显著

下面，进行假设检验和简单线性回归分析

注：数据对最大值和最小值进行了删除处理

价格-月流水

1.	> dt<-data[,c(3,6)]  
2.	> dt  
3.	    价格 月流水  
4.	1    104   2912  
5.	2    108   3348  
6.	3    108   1512  
7.	4    108   1404  
8.	> summary(dt)  
9.	      价格           月流水       
10.	 Min.   : 25.0   Min.   :   37    
11.	 1st Qu.:149.0   1st Qu.: 2388    
12.	 Median :188.0   Median : 4108    
13.	 Mean   :191.4   Mean   : 4074    
14.	 3rd Qu.:218.0   3rd Qu.: 5346    
15.	 Max.   :488.0   Max.   :12688    
16.	> mod_simp_reg<-lm(月流水~价格,data=dt)  
17.	> summary(mod_simp_reg)  
18.	  
19.	Call:  
20.	lm(formula = 月流水 ~ 价格, data = dt)  
21.	  
22.	Residuals:  
23.	    Min      1Q  Median      3Q     Max   
24.	-6249.7  -831.2   513.2  1142.2  2651.1   
25.	  
26.	Coefficients:  
27.	            Estimate Std. Error t value Pr(>|t|)      
28.	(Intercept) -889.132    306.025  -2.905  0.00401 **   
29.	价格          25.937      1.502  17.263  < 2e-16 ***  
30.	---  
31.	Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1  
32.	  
33.	Residual standard error: 1628 on 239 degrees of freedom  
34.	Multiple R-squared:  0.5549,    Adjusted R-squared:  0.5531   
F-statistic:   298 on 1 and 239 DF,  p-value: < 2.2e-16  

简单线性回归方程如下：

月流水=-899.132+25.937*价格

入住率-月流水

1.	> dt<-data[,c(5,6)]  
2.	> dt  
3.	        入住率 月流水  
4.	1   0.90322581   2912  
5.	2   1.00000000   3348  
6.	3   0.45161290   1512  
7.	> summary(dt)  
8.	     入住率            月流水       
9.	 Min.   :0.03226   Min.   :   37    
10.	 1st Qu.:0.45161   1st Qu.: 2388    
11.	 Median :0.77419   Median : 4108    
12.	 Mean   :0.66270   Mean   : 4074    
13.	 3rd Qu.:0.87097   3rd Qu.: 5346    
14.	 Max.   :1.00000   Max.   :12688    
15.	> mod_simp_reg<-lm(月流水~入住率,data=dt)  
16.	> summary(mod_simp_reg)  
17.	  
18.	Call:  
19.	lm(formula = 月流水 ~ 入住率, data = dt)  
20.	  
21.	Residuals:  
22.	    Min      1Q  Median      3Q     Max   
23.	-3318.5  -863.3  -127.5   414.9  7431.2   
24.	  
25.	Coefficients:  
26.	            Estimate Std. Error t value Pr(>|t|)      
27.	(Intercept)   -379.0      255.9  -1.481     0.14      
28.	入住率        6719.6      355.8  18.888   <2e-16 ***  
29.	---  
30.	Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1  
31.	  
32.	Residual standard error: 1545 on 239 degrees of freedom  
33.	Multiple R-squared:  0.5988,    Adjusted R-squared:  0.5971   
F-statistic: 356.8 on 1 and 239 DF,  p-value: < 2.2e-16 

简单线性回归方程如下：

月流水=-379+6719.6*入住率

根据和质量相关的统计数据来看，变量之间存在着较佳的关联。评判标准：

1,标准误差残差Residual standard error: 要很低

2,调整后的R平方值，Multiple R-squared: 需要较高，可显示变量之间的良好关系

3,p-value要小，显示模型的显著性

下面，我们检验回归假设：

月流水~入住率之间，接受模型可用之前，我们需要建设回归假设是否为真

线性关系检验：

#可绘制残差与自变量的相应值

误差的独立性检验：

1.	#对于通过回归线附近误差的独立性检验，由于数据是在相同时间段内收集的，不需要进行此检验  
2.	>library(lmtest)  
3.	>dwtest(mod_simp_reg)  
4.	  
5.	Plot(mod_simp_reg)  

正态性检验

残差大部分位于直线上，说明残差是近似正态分布的

Scale-location plot

随着点在线周围的分布，因而确定恒定方差（同方差性）的假设

下面，使用library car中的crPlots 来理解由模型表示的线性关系

1.	> library(car)  
2.	> crPlots(mod_simp_reg)  

可见，对模型进行模拟的效果基本可靠，可以通过验证回归假设的检验

模型通过验证后，即可预测响应变量，这里假设入住率为0.93：

1.	> predictor<-data.frame(入住率=0.93)  
2.	> predicted<-predict(mod_simp_reg,newdata=predictor)  
3.	> predicted  
4.	       1   
5.	5870.216   
6.	#范围预测：  
7.	> predicted<-predict(mod_simp_reg,newdata=predictor,interval='prediction')  
8.	> predicted  
9.	       fit      lwr      upr  
1 5870.216 2813.828 8926.604  

补充说明：从模型可以看出，截距为-4000多，不太符合实际，房屋租金1800，入住率为0时，其他的费用总和应该在500元左右，因此，可强制设置截距为0

1.	> mod_simp_reg_wo_intercept<-lm(dt$月流水~dt$入住率+0)  
2.	> crPlots(mod_simp_reg_wo_intercept)  

这样的图相对来说更符合实际