R语言回归模型项目分析报告论文(附代码数据).docxVIP

回归模型项目分析报告论文（附代码数据）

摘要

该项目包括评估一组变量与每加仑（MPG）英里之间的关系。

汽车趋势大体上是对这个具体问题的答案的本质感兴趣：

*MPG的自动或手动变速箱更好吗？

*量化自动和手动变速器之间的手脉差异。

我们在哪里证实传输不足以解释MPG的变化。我们已经接受了这个项目的加速度，传输和重量作为解释汽油里程使用率的84％变化的变量。分析表明，通过使用我们的最佳拟合模型来解释哪些变量解释了MPG的大部分变化，我们可以看到手册允许我们以每加仑2.97多的速度驱动。（A.1）

1.探索性数据分析

通过第一个简单的分析，我们通过箱形图可以看出，手动变速箱肯定有更高的mpg结果，提高了性能。基于变速箱类型的汽油里程的平均值在下面的表格中给出，传输比自动传输产生更好的性能。根据附录A.4，通过比较不同传输的两种方法，我们排除了零假设的0.05％的显着性。

###Atibble:2x2

##Transmission`mean(mpg)`

##fctrdbl

##1Automatic17.14737

##2Manual24.39231

第二个结论嵌入上面的图表使我们看到，其他变量可能会对汽油里程的使用有重要的作用，因此也应该考虑。由于simplistisc模型显示传播只能解释MPG变异的35％（AppendiXA.2。）

我们将测试不同的模型，我们将在这个模型中减少这个变量的影响，以便能够回答，如果传输是唯一的变量要追究责任，或者如果其他变量的确与汽油里程的关系更强传输本身。（i.e.MPG）。###2.模型测试（线性回归和多变量回归）

##AnalysisofVarianceTable

##

##Model1:mpg~Transmission

##Model2:mpg~Transmission+qsec

##Model3:mpg~Transmission+qsec+wt

##Model4:mpg~Transmission+hp+qsec+wt

##Res.DfRSSDfSumofSqFPr(F)

##130720.90

##229352.631368.2662.11861.791e-08***

##328169.291183.3530.92706.773e-06***

##427160.0719.221.55510.2231

##---

##Signif.codes:0***0.001**0.01*0.05.0.11

从Anova分析中我们可以看出，仅仅接受变速箱作为与油耗相关的唯一变量的模型将是一个误解。一个更完整的模型，其中的变量，如重量，加速度和传输被考虑，将呈现与燃油里程使用（即MPG）更强的关联。一个F=62.11告诉我们，如果零假设是真的，那么这个大的F比率的可能性小于0.1％的显着性是可能的，因此我们可以得出结论：模型2显然是一个比油耗更好的预测值仅考虑传输。为了评估我们模型的整体拟合度，我们运行了另一个分析来检索调整的R平方，这使得我们可以推断出模型2，其中传输，加速度和重量被选择，如果我们需要，它解释了大约84％的变化预测汽油里程的使用情况。换句话说，因此，我们需要考虑所有这些变量来解释mpg行为的变化，因为它们对变化负主要责任（附录A.1）。

3.残差图分析

残差向我们表明，我们的模型呈现了一个公正的，同方差的。含义每个薄的垂直条上的残差平均为零，标准偏差在整个图中都是相同的。我们可以看到，对于正常情况，我们可能会有一些异常值，但它确实落在了基于QQ图的正常假设之下（附录A.3）。

4。结论

1.手自一体变速器更适合MPG吗？

看起来手动变速箱汽车比自动变速箱更适合MPG。然而，当用诸如qsec，HP和weight之类的混杂变量建模时，其差异并不像开始时那样显着：84％的mpg变化由相同的变量来解释。

2.量化自动变速器和手动变速器之间的MPG差异

分析表明，通过使用我们的最佳拟合模型来解释哪些变量解释了MPG的大部分变化，我们可以看到手册允许我们以每加仑2.97多的速度驱动。

APPENDIX

A.1Summaryofthemodel2

##

##Call:

##lm(formula=mpg~Tr