本文共 897 字，大约阅读时间需要 2 分钟。

参考资料

具有定性变量的回归模型

作业要求

流程与代码

原始数据：400条，11列（11个属性）

library(MASS) #加载库library(ISLR) #安装库install.packages("ISLR") library(car) #测试：有此行才能运行后面的vif(tlm) 多重共线性检验#Introduction to statistical learning中的ISLR package#fix(Carseats) # 查看Carseats数据集#names(Carseats) # 查看数据集的列名#?Carseats # 查看数据集的更多信息#多元线性回归tlm<-lm(Sales~., data = Carseats) #~后面的. 表示用上全部变量summary(tlm) #查看回归结果（最后一列*，没有*的变量即没有显著关系，应当去掉）#逐步回归，自动排除不显著的变量tstep<-step(tlm)summary(tstep)#逐步回归的优化drop1(tstep)#再：多元线性回归tlm<-lm(Sales~CompPrice+Income+Advertising+Price+ShelveLoc+Age, data = Carseats)#显著（有*）的变量：CompPrice+Income+Advertising+Price+ShelveLoc+Agesummary(tlm)tlm# 自动将定性变量转变为虚拟变量，并通过contrasts()返回虚拟变量的编码attach(Carseats)contrasts(ShelveLoc)#变量的多重共线性vif(tlm)#方差膨胀因子。一般认为，当0
   
    <10，不存在多重共线性（注意：在《R语言实战》第2版P182中认为VIF>4就存在多重共线性）；当10≤VIF<100，存在较强的多重共线性，当VIF>=100，多重共线性非常严重。vif是判断多重共线性的比较常用方法。 #残差分析和异常点检测（判断方法见下图）par(mfrow=c(2,2))plot(tlm)
   

转载地址：https://blog.csdn.net/YWP_2016/article/details/106111777 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！