#第3章—多元线性回归data3.1<-read.table('clipboard',header=T)#导入数据lm3.1<-lm(y~x1+x2+x3+x4+x5+x6+x7+x8+x9,data=data3.1) #建立回归方程summary(lm3.1)#计算协方差阵与相关阵X1<-as.matrix(data3.1[,2:10]) #将data3.1中自变量部分的数据提取出来并转换成矩阵形式进行存储X<-cbind(1,X1)#将元素全为1的列向量和X1合并生成矩阵XXX<-t(X)%*%X#计算矩阵X'Xsigma<-389.4 #残差的标准差为 的估计值covBeta<-sigma^2*solve(XX) #根据公式（3.31）计算协方差矩阵，函数solve()计算矩阵的逆covBetar<-matrix(nrow = 10, ncol = 10) #建立10行10列的矩阵，元素为空for(i in 1:10){for(j in 1:10)r[i,j]<-covBeta[i,j]/(sqrt(covBeta[i,i])*sqrt(covBeta[j,j]))}#根据公式（3.34）计算相关阵中每个元素的值r#r<-cor(data3.1)#方差分析#install.packages("car")library(car)Anova(lm3.1,type="III") #输出方差分析表，typeII用于回归分析以及不含交互作用的方差分析；typeIII用于含交互作用的方差分析；lm3.1_drop4<-lm(y~x1+x2+x3+x5+x6+x7+x8+x9,data=data3.1) #lm3.1_drop4<-update(lm3.1,.~.-x4)summary(lm3.1_drop4)lm3.1_drop49<-lm(y~x1+x2+x3+x5+x6+x7+x8,data=data3.1)summary(lm3.1_drop49)data3.2<-read.table('clipboard',header=T)#导入数据lm3.2<-lm(y~x1+x2,data=data3.2)summary(lm3.2)r<-cor(data3.2) #计算相关系数阵r#install.packages("corpcor")library(corpcor)pcor3.2<-cor2pcor(r) #由相关系数阵计算偏相关系数阵pcor3.2e<-resid(lm3.2,digits=5) #计算残差值ZRE<-rstandard(lm3.2) #计算学生化残差ZRE1<-e/475.8 #计算标准化残差data3.3<-read.table('clipboard',header=T)#导入数据cor3.3<-cor(data3.3[,-1]) #用除去第一列年份数据后剩余的样本数据计算相关阵lm3.3<-lm(y~x1+x2+x3+x4+x5,data=data3.3)summary(lm3.3)
如果觉得《多元线性回归——《应用回归分析R语言版》》对你有帮助，请点赞、收藏，并留下你的观点哦！
