实验目的
掌握一元线性回归、多元线性回归模型的建模原理、估计及检验方法。 能运用相应的统计软件(SASSPSSR)进行计算、分析。
实验内容
分析影响因变量Y的主要影响因素及经济意义
建立散点图考察Y与每一个自变量之间的相关关系
Python
import pandas as pd
import numpy as np
data = pd.read_csv("E:CodeJupyter Notebook Code数学建模Data多元线性回归数据.csv").iloc[:,1:]
data.head()
data.corr(method=pearson)
R语言
data = read.csv("E:/Code/R Code/Data/多元线性回归数据.csv")
cor(data[2:6],method = "pearson")
建立多元回归模型，并计算回归系数和统计量
Python
#模型的拟合值
y_train_pred = model.predict(X)
#绘制最佳拟合线：标签用的是训练数据的预测值y_train_pred
plt.figure(figsize=(8,4))
plt.plot(label.reshape(-1,1),color=#00b0ff,label="Observations",linewidth=1.5)
plt.plot(y_train_pred,color=#ff3d00,label="Prediction",linewidth=1.5)
plt.legend(loc="upper left")
plt.grid(alpha=0.6)
plt.tight_layout()
R语言
test_data = data.frame(data[3],data[4],data[5],data[6])
colnames(test_data) <- c(X1,X2,X3,Y)
model_lm = lm(Y~X1+X2+X3,data=test_data)
summary(model_lm)
