R语言线性回归分析案例报告 附代码数据.docxVIP

R语言线性回归案例报告

??R初始指令

安装“汽车”包：install.packages（“汽车”）加载库汽车

library(car)

加载汽车中的数据：数据（Salaries，package=“car”）查看您的办公桌上的数据（屏幕）：它所表示的薪水视图（帮助）和数据描述：help（薪水）?变量的确切名称：名称（薪金）

datos-Salaries

names(datos)

##[1]rankdisciplineyrs.since.phdyrs.service

##[5]sexsalary

考虑谁是定量和定性的变量

head(datos)

##rankdisciplineyrs.since.phdyrs.servicesexsalary

##1ProfB1918Male139750

##2ProfB2016Male173200

##3AsstProfB43Male79750

##4ProfB4539Male115000

##5ProfB4041Male141500

##6AssocProfB66Male97000

分散图

虽然有些变量不是量化的，但相反，它们是绝对的，例如秩序是有序的，我们将要制作离散图

pairs(datos,col=blue)

考虑到图表，我们将运行变量之间的简单回归模型：“yrs.since.phd”“yrs.service”，但首先让我们来回顾一下变量之间的相关性。?因此，我们要确定假设正态性的相关系数

cor(datos$yrs.since.phd,datos$yrs.service)

##[1]0.9096491

考虑到这两个变量之间的相关性高，解释结果

regresion-lm(yrs.since.phd~yrs.service,data=datos)

regresion

##

##Call:

##lm(formula=yrs.since.phd~yrs.service,data=datos)

##

##Coefficients:

##(Intercept)yrs.service

##6.43840.9013

结果

因变量yrs.since.phd的选择是正确的，请解释为什么编写表单的模型：y=intercept+oendiente*x

解释截距和斜率

summary(regresion)

##

##Call:

##lm(formula=yrs.since.phd~yrs.service,data=datos)

##

##Residuals:

##Min1QMedian3QMax

##-11.518-3.748-1.5502.52224.450

##

##Coefficients:

##EstimateStd.ErrortvaluePr(|t|)

##(Intercept)6.438380.4532314.212e-16***

##yrs.service0.901320.0207143.522e-16***

##---

##Signif.codes:0***0.001**0.01*0.05.0.11

##

##Residualstandarderror:5.36on395degreesoffreedom

##MultipleR-squared:0.8275,AdjustedR-squared:0.827

##F-statistic:1894on1and395DF,p-value:2.2e-16

假设检验

根据测试结果，考虑到p值=2e-16，是否拒绝了5％的显着性值的假设？?斜率为零根据测试结果，考虑到p值=2e-16，关于斜率的假设是否被