R语言统计计算学习（14）

2023-03-26 18:37| 来源: 网络整理| 查看: 265

《R数据分析-方法与案例详解》第十四期学习案例：多重共线性 R 语言实现，这一期主要针对一个案列运用R语言进行线性回归分析~

1．复习线性回归分析的模型假定，理解多重共线性的来历、检验识别方法及解决办法，实现教材中例 11.1 的分析过程，相关数据见 11-1.csv。

R语言代码：

mydata summary(lm3) Call: lm(formula = revenue ~ industry + agriculture + construction + consumption + pop + disaster, data = mydata) Residuals: Min 1Q Median 3Q Max -1135.26 -418.22 22.56 374.25 1019.92 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 6.821e+04 7.081e+04 0.963 0.36359 industry 1.297e-01 1.032e-01 1.257 0.24426 agriculture -7.065e-02 7.393e-01 -0.096 0.92622 construction 4.465e-02 2.038e-01 0.219 0.83206 consumption 6.011e-01 1.501e-01 4.005 0.00392 ** pop -7.020e-01 5.007e-01 -1.402 0.19846 disaster 4.324e-02 5.569e-02 0.776 0.45986 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 811.3 on 8 degrees of freedom Multiple R-squared: 0.9997, Adjusted R-squared: 0.9995 F-statistic: 4294 on 6 and 8 DF, p-value: 1.392e-13

结果分析：

从回归结果可以看出，调整后的是 0.9995，说明拟合的非常好；F 检验的 p-value 为 1.392e-13，说明是显著的。但是除了消费变量（consumption）外，其余变量均不显著，那是因为该模型存在着多重共线性，导致这个奇怪的结果。进一步岭回归：

R语言代码：

mydata

【本文地址】

公司简介

联系我们