文档介绍::..回归分析案例现收集到若干年粮食产量以及受灾面积、农作物总播种面积、乡村从业人员、农用化肥施用折纯量等数据,利用多元线性回归分析,分析影响粮食产量的主要因素。一、相关分析(相关矩阵)setwd(HD:/Rdatan)data<-(file=(),head=T)colnames(data)<-c(,,Y^nXl,\nX2,\nX3n,nX4n)dataX<-cor(data)Xpairs(data)结果显示YXIX2X3X4Y1・0000000-,-O・-O・---- cf5^oooo°lX330000 45000 60000145000 15500000090000^000镖0000^§000090009b0000C00009L0009MX4000寸000L1000 3000 5000分析XI与Y的相关系数较小,X2、X3、X4与Y的相关系数较人。X3、X4可能存在较强的相关性。二、多重共线性诊断kappa(X„exact=T)结果显示[1],K值在100到1000Z间说明中等强度,K>1000存在严重共线性。此处K=,说明存在多重共线性。三、线性回归attach(data)<Jm(Y〜X1+X2+X3+X4)summary()结果显示call:lm(formula=Y〜XI+X2+X3+X4)Residuals:Min 1QMedian 3QMax•- :(>|t|)(intercept)-2・762e++04----O2---+--++OO-:0 *\'1Residualstandarderror:2378on30degreesoffreedomMultipleR-squared:,AdjustedR-squared:-statistic:,p-value:-14分析F统计量的P-value<,故线性回归显著。XI、X3的系数