R语言与多元线性回归分析计算案例.pdfVIP

R语语⾔⾔与与多多元元线线性性回回归归分分析析计计算算案案例例

⽬⽬录录

计算实例

分析

模型的进⼀步分析

计计算算实实例例

例6.9某⼤型⽛膏制造企为了更好地拓展产品市场，有效地管理库存，公司董事会要求销售部门根据市场调查，找出公司⽣

产的⽛膏销售量与销售价格，⼴告投⼊等之间的关系，从⽽预测出在不同价格和⼴告费⽤下销售量。为此，销售部门的研究⼈

员收集了过去30个销售周期（每个销售周期为4周）公司⽣产的⽛膏的销售量、销售价格、投⼊的⼴告费⽤，以及周期其他⼚家

⽣产同类⽛膏的市场平均销售价格，如表6.4所⽰。

试根据这些数据建⽴⼀个数学模型，分析⽛膏销售量与其他因素的关系，为制订价格策略和⼴告投⼊策略提供数量依据。

分分析析

由于⽛膏是⽣活的必需品，对于⼤多数顾客来说，在购买同类⽛膏时，更多的会关⼼不同品牌之间的价格差，⽽不是它们的价

格本⾝。因此，在研究各个因素对销售量的影响时，⽤价格差代替公司销售价格和其他⼚家平均价格更为合适。

模型的建⽴与求解

记⽛膏销售量为Y，价格差为X1，公司的⼴告费为X2，假设基本模型为线性模型:

输⼊数据，调⽤R软件中的lm（）函数求解，并⽤summary（）显⽰计算结果（程序名：exam0609.R）

计算结果通过线性回归系数检验和回归⽅程检验，由此得到销售量与价格差与⼴告费之间的关系为：

模模型型的的进进⼀⼀步步分分析析

为进⼀步分析回归模型，我们画出y与x1和y与x2散点图。从散点图上可以看出，对于y与x1，⽤直线拟合较好。⽽对于y与x2，

则⽤⼆次曲线拟合较好，如下图：

绘制x1与y的散点图和回归直线

绘制x2与y的散点图和回归曲线

其中I(X2^2)，表⽰模型中X2的平⽅项，及X22，从上图中，将销售量模型改为：

似乎更合理，我们做相应的回归分析：

此时，我们发现，模型残差的标准差Residualstandarderror有所下降，相关系数的平⽅ultipleR-squared有所上升，这说明

模型修正的是合理的。但同时也出现了⼀个问题，就是对于β2的P-值0.05。为进⼀步分析，做β的区间估计。

如上错误出现？？？？！！！！直接引⽤结果如下：

β2的区间估计为[–70.1076898]，它包含了0，也就是说，β2的值可能为0.因此，去掉X2的⼀次项，在进⾏分析：

此模型虽然通过了F检验和T检验，但与上⼀模型对⽐来看，Residualstandarderror上升，ultipleR-squared下降。这⼜是此

模型的不⾜之处。

在做进⼀步的修正，考虑X1和X2交互作⽤，及模型为：

模型通过T检验和F检验，并且Residualstandarderror减少，ultipleR-squared增加。因此，最终模型选为：

到此这篇关于R语⾔与多元线性回归分析计算案例的⽂章就介绍到这了,更多相关R语⾔与多元线性回归内容请搜索以前的⽂章

或继续浏览下⾯的相关⽂章希望⼤家以后多多⽀持！