統(tǒng)計軟件介紹以及r語言數(shù)學(xué)建模實例-資料下載頁
2025-08-11 08:38本頁面
【導(dǎo)讀】大的統(tǒng)計分析軟件之一。它不僅適用于社會科學(xué)，同。樣可應(yīng)用于經(jīng)濟(jì)學(xué)、心理學(xué)、醫(yī)學(xué)等各個領(lǐng)域。作，非常方便，深受用戶歡迎。是應(yīng)用最多的統(tǒng)計軟。操作界面極為友好。精心設(shè)計的圖形操作界面。強大的輔助教學(xué)功能。在國內(nèi)深受歡迎，特別是市場調(diào)研行業(yè)。在歐洲各研究機構(gòu)中得到廣泛應(yīng)用。R是屬于GNU系統(tǒng)的一個自由、免費。計計算和統(tǒng)計制圖的優(yōu)秀工具?？梢栽趗nix，windows，mac下運行。編程方便，與s-plus所基于的s語言一樣。有不斷加入的各個方向統(tǒng)計學(xué)家編寫的統(tǒng)計軟。Clementine產(chǎn)品進(jìn)行重新整合和開發(fā)，能夠?qū)Ａ繑?shù)據(jù)庫進(jìn)行分析。近年來，我國腦卒中發(fā)病率呈不斷增長的趨勢，據(jù)世衛(wèi)組織統(tǒng)計，我國腦。卒中的發(fā)病率高于世界平均水平。些因素影響腦卒中發(fā)病，從而采取更好的預(yù)防措施和治療方法。條數(shù)據(jù)進(jìn)行統(tǒng)計，分別是腦卒中發(fā)病與性別、年齡和職業(yè)的關(guān)系。度進(jìn)行多元回歸分析，發(fā)現(xiàn)解釋變量中多個因素間存在多重線性的關(guān)系，
【正文】 e d p e r so n2 0 0 7 2 0 1 00202040006000800010000圖 3，從各年的發(fā)病人數(shù)以及 0710的總發(fā)病人數(shù)中看出，的農(nóng)民的發(fā)病人數(shù)遠(yuǎn)遠(yuǎn)高于其他職業(yè)，而教師，漁民，醫(yī)護(hù)人員中的發(fā)病人數(shù)非常少。其他職業(yè)當(dāng)中發(fā)病人數(shù)由高到低依次為退休人員、工人、離退人員、雇員。 為研究腦卒中發(fā)病率與氣溫、氣壓和相對濕度之間的關(guān)系，運用 R軟件進(jìn)行操作 ， 建立多元回歸模型 代碼如下： =lm(num~averpres+highpres+lowpres+avertemp+hightemp+lowtemp+rh,data=dataset2) summary() 通過表 1 R語言輸出的結(jié)果可以看出，只有相對濕度（ rh）的 p值小于 ，通過了顯著水平的檢驗。所以上述的多遠(yuǎn)回歸模型還不能還不能完全解釋發(fā)病數(shù)與其他相關(guān)因素的關(guān)系。 代碼如下： library(DAAG) 將需要的程序包載入內(nèi)存 vif（ ) 各變量的方差膨脹因子 通過表 2的結(jié)果可以看出，變量（ averpres、 highpres、 lowpres、avertemp、 hightemp、 lowtemp）的方差膨脹因子均遠(yuǎn)大于 10，則它們之間可能存在著多重線性關(guān)系。所以，需要排除多重線性的關(guān)系，然后再進(jìn)行多元回歸。 剔除多重線性的影響，去掉同類變量中 t值較小的，用剩下的變量作多元線性回歸。 代碼如下： lm(num~lowpres+avertemp+hightemp+rh,data=dataset2) summary() 通過表 3的結(jié)果可以看出，最低氣壓，平均氣溫，最高氣溫，相對濕度都通過了。相對濕度仍然可以通過顯著水平的檢驗，這說明上述變量能解釋腦卒中的發(fā)病率異同。發(fā)病人數(shù)（ num）與最高氣溫（ hightemp）、最低氣壓（ lowpres）成正相關(guān)，與平均氣溫（ avertemp）、相對濕度（ rh）負(fù)相關(guān)?；貧w模型為： Y=++ 代碼如下： rstandard() 標(biāo)準(zhǔn)化殘差值 predict() 預(yù)測值 做標(biāo)準(zhǔn)化殘差圖 par(bg=lightgrey) 圖形界面的背景顏色為淺灰色 plot(~,pch=1,cex=2,col=blue,pty=a,lwd=2) 符號類型（ pch=1），散點大?。?cex=2） ,散點顏色為藍(lán)，散點線寬為 2 作回歸診斷，畫出標(biāo)準(zhǔn)化殘差散點圖 800 1000 1200 1400 1600 1800101y n . f i tyn.rst由圖 4的殘差圖可以看出方差齊性，不需要對響應(yīng)變量 y做變換驗證了回歸方程是合理的。 最終回歸模型為 Y=++ 謝 謝
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1