波士顿房价数据分析（R语言）

波士顿房价数据分析（R语言）

1 .数据变量解释

变量	解释
CRIM	城镇人均犯罪率。
ZN	住宅用地超过 25000 平方英尺的比例。
INDUS	城镇非零售商用土地的比例。
CHAS	查理斯河空变量（如果边界是河流，则为1；否则为0）。
NOX	一氧化氮浓度。
RM	住宅平均房间数。
AGE	1940 年之前建成的自用房屋比例。
DIS	到波士顿五个中心区域的加权距离。
RAD	辐射性公路的接近指数。
TAX	每 10000 美元的全值房产税率。
PTRATIO	城镇师生比例。
B	1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例。
LSTAT	人口中地位较低者的比例。
MEDV	房价中位数，以千美元计。

2.非参数检验

boston <- read.csv("D:/Rlanguage/FCwork/boston_data.txt", sep="")
attach(boston)
library(ggplot2)
ggplot(data=boston,aes(x=MEDV,fill=as.factor(CHAS)))+
                                       geom_density(alpha=.3)

CHAS是一个二值变量（即位于查尔斯河边记为1，否则记为0）。通过图1发 现，CHAS=1时的房价分布与CHAS=2时房价分布基本相同。为了探究这一变量 对房价是否有显著影响，接下来将通过一系列检验方法验证。 将样本数据分为两个部分,CHAS=1为一组，CHAS=0为另一组

CHAS1<-subset(boston,CHAS==1)
CHAS2<-subset(boston,CHAS==0)

2.1单样本检验

首先，通过Shapiro Wilk检验房价中位数是否服从正态分布。假设：
H0：房价中位数服从正态分布
H1：房价中位数不服从正态分布

shapiro.test(scale(MEDV))

由于P<0.001,拒绝原假设，即房价中位数数据不服从正态分布。

2.2两样本检验

由于房价中位数不服从正态分布，因此采用Wilcoxn秩和检验方法检验在河边 的房价与不在河边的房价是否有显著差异。假设：
H0：在河边与不在河边的房价相同
H1：在河边与不在河边的房价不相同

wilcox.test(CHAS1$MEDV,CHAS2$MEDV,alternative = "less")

由于P>0.001，接受原假设，在河边的房价与不在河边的房价不具有显著差 异，因此在建立回归模型时考虑删除CHAS变量。

3.回归模型

通过多元回归方法找到影响Boston地区房价的主要因素

3.1建立回归方程

fit<-lm(MEDV~CRIM+ZN+INDUS+NOX+RM+AGE+DIS+RAD+TAX+PTRATIO+B+LSTAT, data=boston)
summary(fit)