計算實例

例 6.9 某大型牙膏制造企業(yè)為了更好地拓展產(chǎn)品市場，有效地管理庫存，公司董事會要求銷售部門根據(jù)市場調(diào)查，找出公司生產(chǎn)的牙膏銷售量與銷售價格，廣告投入等之間的關(guān)系，從而預(yù)測出在不同價格和廣告費用下銷售量。為此，銷售部門的研究人員收集了過去30個銷售周期（每個銷售周期為4周）公司生產(chǎn)的牙膏的銷售量、銷售價格、投入的廣告費用，以及周期其他廠家生產(chǎn)同類牙膏的市場平均銷售價格，如表6.4所示。

試根據(jù)這些數(shù)據(jù)建立一個數(shù)學(xué)模型，分析牙膏銷售量與其他因素的關(guān)系，為制訂價格策略和廣告投入策略提供數(shù)量依據(jù)。

分析

由于牙膏是生活的必需品，對于大多數(shù)顧客來說，在購買同類牙膏時，更多的會關(guān)心不同品牌之間的價格差，而不是它們的價格本身。因此，在研究各個因素對銷售量的影響時，用價格差代替公司銷售價格和其他廠家平均價格更為合適。

模型的建立與求解

記牙膏銷售量為Y，價格差為X1，公司的廣告費為X2，假設(shè)基本模型為線性模型:

輸入數(shù)據(jù)，調(diào)用R軟件中的lm（）函數(shù)求解，并用summary（）顯示計算結(jié)果（程序名：exam0609.R）

計算結(jié)果通過線性回歸系數(shù)檢驗和回歸方程檢驗，由此得到銷售量與價格差與廣告費之間的關(guān)系為：

模型的進(jìn)一步分析

為進(jìn)一步分析回歸模型，我們畫出y與x1和y與x2散點圖。從散點圖上可以看出，對于y與x1，用直線擬合較好。而對于y與x2，則用二次曲線擬合較好，如下圖：

繪制x1與y的散點圖和回歸直線

繪制x2與y的散點圖和回歸曲線

其中 I(X2^2)，表示模型中X2的平方項，及X22，從上圖中，將銷售量模型改為：

似乎更合理，我們做相應(yīng)的回歸分析：

此時，我們發(fā)現(xiàn)，模型殘差的標(biāo)準(zhǔn)差Residual standard error有所下降，相關(guān)系數(shù)的平方Multiple R-squared有所上升，這說明模型修正的是合理的。但同時也出現(xiàn)了一個問題，就是對于β2的P-值>0.05。為進(jìn)一步分析，做β的區(qū)間估計。

如上錯誤出現(xiàn)？？？？?。。?！直接引用結(jié)果如下：

β2的區(qū)間估計為[ –7.49886317, 0.1076898 ]，它包含了0，也就是說，β2的值可能為0. 因此，去掉X2的一次項，在進(jìn)行分析：

此模型雖然通過了F檢驗和T檢驗，但與上一模型對比來看，Residual standard error上升，Multiple R-squared下降。這又是此模型的不足之處。

在做進(jìn)一步的修正，考慮X1和X2交互作用，及模型為：

模型通過T檢驗和F檢驗，并且Residual standard error減少，Multiple R-squared增加。因此，最終模型選為：

 到此這篇關(guān)于R語言與多元線性回歸分析計算案例的文章就介紹到這了,更多相關(guān)R語言與多元線性回歸內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！