R语言及回归分析.docVIP

R语言与回归分析 回归模型是计量里最基础也最常见的模型之一。究其原因，我想是因为在实际问题中我们并不知道总体分布如何，而且只有一组数据，那么试着对数据作回归分析将会是一个不错的选择。 一、简单线性回归 ? ? ?简单的线性回归涉及到两个变量：一个是解释变量，通常称为x；另一个是被解释变量，通常称为y。回归会用常见的最小二乘算法拟合线性模型： yi = β0 + β1xi +εi 其中β0和β1是回归系数，εi表示误差。 在R中，你可以通过函数lm()去计算他。Lm()用法如下： lm(formula, data, subset, weights, na.action, ??method = qr, model = TRUE, x = FALSE, y = FALSE, qr = TRUE, ??singular.ok = TRUE, contrasts = NULL, offset, ...) ? ? ? ? 参数是formula模型公式，例如y ~ x。公式中波浪号（~）左侧的是响应变量，右侧是预测变量。函数会估计回归系数β0和β1，分别以截距（intercept）和x的系数表示。 ? ? ? 有三种方式可以实现最小二乘法的简单线性回归，假设数据wage1（可以通过names函数查看数据框各项名称） （1）lm(wage1$wage ~ wage1$educ + wage1$exper) （2）lm (wage ~ educ + exper, data= wage1) （3）attach(wage1) ??? lm(wage~educ+exper)#不要忘记处理完后用detach（）解出关联 ? ? ? ? ?我们以数据wage1为例，可以看到工资与教育水平的线性关系： 运行下列代码： library(foreign) A-read.dta(D:/R/data/WAGE1.dta)#导入数据 lm(wage~educ,data=A) lm(wage~educ,data=A) Call: lm(formula = wage~ educ, data = A) Coefficients: (Intercept)???????? educ? -0.9049??????0.5414 ? ? ? ? ? ?当然得到这些数据是不够的，我们必须要有足够的证据去证明我们所做的回归的合理性。那么如何获取回归的信息呢？ ? ? ? ? ? 尝试运行以下代码： result-lm(wage~educ,data=A) summary(result) 我们可以得到以下结果： Call: lm(formula = wage~ educ, data = A) Residuals: ??? Min?????1Q? ???Median?????3Q???? Max -5.3396 ??-2.1501 ???-0.9674 ????1.1921 ???16.6085 Coefficients: ??????????? Estimate? ?Std.Error ???t value ?Pr(|t|)??? (Intercept) ??-0.90485???0.68497? ?-1.321???0.187??? educ???????? 0.54136??? 0.05325?10.167?? 2e-16 *** --- Signif.codes:? 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05‘.’ 0.1 ‘ ’ 1 Residual standarderror: 3.378 on 524 degrees of freedom MultipleR-squared: 0.1648,???? AdjustedR-squared: 0.1632 F-statistic: 103.4on 1 and 524 DF,? ?p-value: 2.2e-16 ? ? ? ? ? ? ? 解读上述结果，我们不难看出，单从判决系数R-squared上看，回归结果是不理想的，但是，从p值来看，我们还是可以得到回归系数是很显著地（注意，这里的P0.05就可以认为拒绝回归系数为0，即回归变量与被解释变量无关的原择假设，选择备择假设）所以说我们的回归的效果不好但还是可以接受的。当然，这一点也可以通过做散点图给我们直观的印象： ? ? ? ? ? ? ?但是影响薪酬的因素不只是education，可能还有其他的，比如工作经验，工作任期。为了更好地解释影响薪酬的因素，我们就必须用到多元线性回归。 二、多元线性回归 ? ? ? ? ? ? ? ?还是使用lm函数。在公式的右侧指定多个预测变量，用加号（+）连接： lm(y ~ u + v+ w) ? ? ? ? ? ?