【原创】R语言数学家工资问题统计案例分析报告（附代码数据）.docxVIP

【原创】定制代写r/python/spss/matlab/WEKA/sas/sql/C++/stata/eviews数据挖掘和统计分析可视化调研报告等服务（附代码数据）, 咨询邮箱： 3025393450@ 欢迎联系官网客服：/teradat 有问题百度一下“大数据部落”就可以了 统计案例分析报告 学院：数学科学学院 专业：统计学 姓名： 学号： 第一题 （一）建立Y与X1,X2,X3的线性模型，并研究相应的统计推断问题，做相应的诊断和检验。 data-read.delim(clipboard) data #复制excel表格数据 提取到R中 Y X1 X2 X3 1 33.2 3.5 9 6.1 2 40.3 5.3 20 6.4 3 38.7 5.1 18 7.4 4 46.8 5.8 33 6.7 5 41.4 4.2 31 7.5 6 37.5 6.0 13 5.9 7 39.0 6.8 25 6.0 8 40.7 5.5 30 4.0 9 30.1 3.1 5 5.8 10 52.9 7.2 47 8.3 11 38.2 4.5 25 5.0 12 31.8 4.9 11 6.4 13 43.3 8.0 23 7.6 14 44.1 5.6 35 7.0 15 42.8 6.6 39 5.0 16 33.6 3.7 31 4.4 17 34.2 6.2 7 5.5 18 48.0 7.0 40 7.0 19 38.0 4.0 35 6.0 20 35.9 4.5 23 3.5 21 40.4 5.9 33 4.0 22 36.8 5.6 27 4.3 23 45.2 4.8 34 8.0 24 35.1 3.9 15 5.0 wp-lm(Y~X1+X2+X3,data=data) summary(wp) Call: lm(formula = Y ~ X1 + X2 + X3, data = data) Residuals: Min 1Q Median 3Q Max -3.3725 -1.2736 0.1814 1.0952 3.2997 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) 16.54853 2.17478 7.609 2.50e-07 *** X1 1.32625 0.35008 3.788 0.001153 ** X2 0.30754 0.03853 7.982 1.21e-07 *** X3 1.35982 0.30758 4.421 0.000263 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 1.903 on 20 degrees of freedom Multiple R-squared: 0.8949, Adjusted R-squared: 0.8791 F-statistic: 56.76 on 3 and 20 DF, p-value: 5.792e-10 由上可得回归方程为：Y=1.33+0.31+1.36 通过P值与我们预设的0.05进行比较，来判定对应的解释变量的显著性（我们检验的原假设是，该系数是否显著为0，P0.05则 拒绝原假设，即对应的变量显著不为0），我们可以看到X1，X2,X3都可以认为是在P为0.05的水平下显著不为0，通过显著性检验 Multiple R-squared和Adjusted R-squared这两个值，分别为为“拟合优度”和“修正的拟合优度”，是指回归方程对样本的拟合程度几何，这里我们可以看到，修正的拟合优 度=0.8949，也就是大概拟合程度达到了九成，表示拟合程度很不错。 看F-statistic，也就是F统计量，也称为F检验，常常用于判断方程整体的显著性检验，其P值为5.792e-10，显然是小于0.05的，我们可以认为方程在P=0.05的水平上还是通过显著性检验的。 预测工资，求置信区间 point-data.frame(X1=5.1,X2=20,X3=7.2) predict(wp,point,interval=prediction,level=0.95) #wp为（一）中求得的线性模型，level=0.95是置信水平为95% fit l