回归分析实验报告(含程序及答案)
- 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、"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、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