利用R讨论影响人均消费水平的因素.docVIP

一.问题描述 1.设定问题与收集数据 影响一个地区人均消费水平的因素有很多，例如，一个地区的GDP，该地区人均可支配收入，该地区的教育水平，以及地区人口增长变化情况等，下面我们选取6个解释变量研究地区人均消费水平，解释变量分别为：x1四川地区生产总值，x2人口自然增长率，x3高等学校在校学生数，x4农林牧渔业总产值，x5卫生机构人员数，x6人均可支配收入。选取了2014年《四川省统计年鉴》中1990年到2013年的历年数据，以四川地区人均消费水平为因变量，以如上6个自变量作多元线性回归。数据如下 阐述理论 由经济理论知，地区GDP，地区人均可支配收入，高等学校在校学生数（代表教育水平），农林牧渔业总产值（代表基础消费品供应水平），卫生机构人员数（医疗水平），以及人口自然增长率（人口变化水平）是影响各省GDP的主要因素。通常情况下，除了人口自然增长率以外的其余5个解释变量与人均消费水平呈正相关关系，而人口自然增长率则呈负相关关系。在这里，将人均消费水平作为被解释变量，其余6个变量作为解释变量，建立x1,x2,...,x6与y的多元线性回归模型。 二 处理数据 多元回归分析 (1)画散点图 setwd(D:/R-3.2.3/data) mydata-read.csv(book2.csv,header = T) plot(mydata) 由上图，可以看到y与除X2以外的其余解释变量呈正相关，与X2呈负相关，与我们的分析一致，还可以看到，解释变量本身存在相关性，可能存在多重多线性。 (2)将数据标准化与求其相关系数 mydata_scale-scale(mydata) mydata_scale_cor-cor(mydata_scale) hist(mydata_scale_cor,xlab = cor) 由相关系数的频率直方图可知，大部分相关系数在0.9~1之间，相关性很强，作回归分析较为合理。 得到线性拟合模型 mydata_scale-as.data.frame(mydata_scale) tlm-lm(y~x1+x2+x3+x4+x5+x6,data=mydata_scale) summary(tlm) 得到： 由上表看到，F值=3633，P值=2.2*10^16,说明回归方程整体显著，但是x2,x4,x5,x6未通过T检验，并且系数不是整体显著，故应当得继续优化该模型。 (4)逐步回归 tstep-step(tlm) #逐步回归 通过逐步回归法，剔除x6,x4两个变量，得到最优模型 summary(tstep)： drop1(tstep) tlm-lm(y~x1+x2+x3+x5,data=mydata_scale) summary(tlm) 可以看到，剩余的x1,x2,x3,x5都通过了T检验。P值最大的为x2=0.0321，但也满足小于0.05，所以都是高度显著，回归方程即： y=4.231e-18+9.196e-01*x1-6.044e-02*x6-1.912e-01*x3+2.183e-01*x5 多重共线性 library(car) vif(tlm) #多重共线性 mean(vif(tlm)) 由上表看到，解释变量的VIF值的均值为359.912，远大于10，说明存在较强的多重共线性，其中x1,x2,x3,x4,x5，x6的VIF值都大于10，x6=884.33035为最大。 下面逐一剔除VIF值大于10的解释变量，从最大的x6开始剔除，直到剩余所有解释变量的VIF值小于10即可得到最终回归模型。 tlm-lm(y~x1+x2+x3+x4+x5,data=mydata_scale) #剔除x6 vif(tlm) 由上表看到，VIF值大于10的为x1,x2,x3.x4,x5,其中x5最大,故剔除x5。 tlm-lm(y~x1+x2+x3+x4,data=mydata_scale) #剔除x5 vif(tlm) 由上表看到，VIF值大于10的解释变量为x1,x3,x4,其中x4最大，故剔除x4。 tlm-lm(y~x1+x2+x3,data=mydata_scale) #剔除x4 vif(tlm) 由上表看到，VIF值大于10的解释变量为x3,故剔除x4。 由上表看到，所有解释变量都小于10，说明此模型不存在强多重共线性，可以作为最终回归模型。 tlm-lm(y~x1+x2,data=mydata_scale) summary(tlm) 由上表看到，所有的解释变量都小于10，R方=0.9983，F值=6200。 最后得到的最终回归模型为: Y=-3.869e-17+9.662e-01*x1-4.5e-02*x2 主成分分析： mydata.pr-princomp(mydat