【最新】R语言线性回归分析案例报告 附代码数据

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
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）
考虑谁是定量和定性的变量
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
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
考虑到这两个变量之间的相关性高，解释结果
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
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拒绝了5％的显着性值？考虑到变量yrs.service在模型中是重要的模型和测试调整
考虑到R的平方值为0.827，你认为该模型具有良好的线性拟合？解释调整的R平方值考虑到验证数据与模型拟合的测试由F统计得到：1894在1和395 DF，p值：<2.2e-16认为模型符合调整？ ##使用模型进行估计为变量x的以下值查找yrs.since.phd的估计值：
Graficas del modelo
Validación del modelo
En este caso se desea determinar los residuos(error)entre el modelo y lo observado y ver si los residuos cumplen con: 1. Tener media=0 2. Varianza= constante 3. Se distribuyen normal(0,constante) Los residuos se generan a continuación (por facilidad solo generamos los primeros 20 [1:20])
Valores ajustados, es decir el valor de la variable y dad0 por el modelo (por facilidad solo generamos los primeros 20 [1:20])
Prueba de normalidad, utilizamos la prueba QQ que permite deducir si los datos se ajustan a la normal (si los datos estan cerca de la línea)
Validación del modelo
En este caso se desea determinar los residuos(error)entre el modelo y lo observado y ver si los residuos cumplen con: 1. Tener media=0 2. Varianza= constante 3. Se distribuyen normal(0,constante) Los residuos se generan a continuación (por facilidad solo generamos los primeros 20 [1:20])
Valores ajustados, es decir el valor de la variable y dad0 por el modelo (por facilidad solo generamos los primeros 20 [1:20])
Prueba de normalidad, utilizamos la prueba QQ que permite deducir si los datos se ajustan a la normal (si los datos estan cerca de la línea)
condidera que los que estan a más de dos desviaciones estandar se distribuyen normal?。