回归分析实验报告(含程序及答案)

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

实验报告三课程应用回归分析

学生姓名陆莹

学号20121315021

学院数学与统计学院

专业统计学

任课教师宋凤丽

二O一四年四月十七日

(1)

shuju<-read.table("E:/4.14.txt")

namesdata<-c("y",paste("x",1:2,sep=""))

colnames(shuju)<-namesdata

lm.shuju<-lm(y~.,data=shuju)

summary(lm.shuju)

Call:

lm(formula = y ~ ., data = shuju)

Residuals:

Min 1Q Median 3Q Max

-747.71 -229.80 -2.15 267.23 547.68

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) -574.0624 349.2707 -1.644 0.1067

x1 191.0985 73.3092 2.607 0.0121 *

x2 2.0451 0.9107 2.246 0.0293 *

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’ 1

Residual standard error: 329.7 on 49 degrees of freedom

Multiple R-squared: 0.2928, Adjusted R-squared: 0.264

F-statistic: 10.15 on 2 and 49 DF, p-value: 0.0002057

>plot(lm.shuju,2)

由上图可知,残差通过正态性检验,原假设成立。

(2)

>qqplot(lm.shuju)

由上图可知,残差通过正态性检验。

(3)

residplot<-function(fit,nbreaks=10){

z<-rstudent(fit)

hist(z,breaks=nbreaks,freq=FALSE,xlab="Studentized Residual",

main="Distribution of Errors")

rug(jitter(z),col="Blue")

curve(dnorm(x,mean=mean(z),sd=sd(z)),add=TRUE,col="Red",lwd=2)

lines(density(z)$x,density(z)$y,col="red",lwd=3,lty=1)

legend("topright",legend=

c("NormalCurve","KernelDensityCurve"),lty=1:2,col=c("Red,"Blue"),cex=.7)} residplot(lm.shuju)

(4)

>y.res<-resid(lm.shuju)

ks.test(y.res,"pnorm",mean(y.res),sd(y.res),exact=FALSE)

One-sample Kolmogorov-Smirnov test

data: unique(y.res)

D = 0.0713, p-value = 0.9539

alternative hypothesis: two-sided

由上述检验结果可知,接受原假设,残差通过正态性检验。

2.检验误差独立性

>durbinWatsonTest(lm.shuju)

lag Autocorrelation D-W Statistic p-value

1 0.6152401 0.7452616 0

Alternative hypothesis: rho != 0

拒绝原假设。

3.线性检验

>crPlots(lm.shuju)

检验满足假设。

4.同方差性检验

(1)

>plot(lm.shuju,1)

由图知,同方差假设成立。

(2)

>spreadLevelPlot(lm..shuju)

(3)

>attach(shuju)

y.res<-residuals(lm.shuju)

cor.test(y.res,x1,method="spearman")

Spearman's rank correlation rho

data: y.res and x1

S = 22691.33, p-value = 0.8253

alternative hypothesis: true rho is not equal to 0 sample estimates:

rho

0.03136148

>attach(shuju)

y.res<-residuals(lm.shuju)

cor.test(y.res,x2,method="spearman")

Spearman's rank correlation rho

data: y.res and x2

S = 24622.08, p-value = 0.7192

相关文档
最新文档