방송통신대 2023년 1학기 회귀모형 출석수업과제물

소개글

2023학년도 회귀모형 출석수업 자료 및 과제 입니다.
rawdata는 직접 만드셔야합니다. 저는 엑셀로 csv 파일로 작성해서 했습니다.

1번. 연습문제 1장 1번(p. 39) 자료를 이용하여 1.7 분석사례와 같이 분석하고, 설명하시오.

(참고: 교재 수정 p.37 p.x = data.frame(price=c(1:45))

2번. 연습문제 2장 3번(p. 87) 자료를 이용하여 2.8 분석사례와 같이 분석하고, 설명하시오.

※ 한글이나 MS 워드를 이용하여 작성 저장한 후, pdf로 새로 저장하여

pdf 파일로 제출하기 바랍니다.

목차

1. 연습문제 1장 1번(p. 39) 자료를 이용하여 1.7 분석사례와 같이 분석하고, 설명하시오.
2. 연습문제 2장 3번(p. 87) 자료를 이용하여 2.8 분석사례와 같이 분석하고, 설명하시오.

본문내용

Intercept (절편): 29.107, t-value는 1.823, p-value는 0.093341으로 유의수준 0.05보다 크므로 해당 변수는 유의하지 않습니다.

사용연도: Estimate (회귀계수)는 13.637, t-value는 4.33, p-value는 0.000978로 유의수준 0.05보다 작으므로 해당 변수는 유의합니다. 사용연도가 1 증가할 때마다 평균적인 정비비용이 13.637 증가한다는 것을 의미합니다.

Multiple R-squared (다중 결정 계수): 0.6098 입니다. 즉, 모형이 전체 데이터를 얼마나 잘 설명하는지를 나타내는 값으로, 0.6098만큼의 분산을 설명할 수 있다는 것을 의미합니다.

Adjusted R-squared (조정된 다중 결정 계수): 0.5773 입니다. Multiple R-squared 값보다 조정된 값을 사용하는 것이 더 안정적인 예측을 가능하게 합니다. 적용한 이유는 회귀식의 독립변수가 늘어나면서 R-squared 값이 높아지는 경우가 있는데, 이를 보완하기 위한 방법입니다.

F-statistic (F-통계량): 18.75, p-value는 0.0009779 입니다. 이 값은 전체 모형의 유의성을 나타내며, 이 값이 유의한 경우 회귀분석 모형이 전체적으로 의미있는 예측모형이라고 할 수 있습니다.

추정된 회귀식:정비비용 = 29.107 + 13.637 * 사용연도
사용연도가 1 증가할 때, 평균적인 정비비용이 13.637 증가합니다. 회귀식에서상수항 (절편)은 29.107로, 사용연도가 0일 때 (즉, 초기 상태) 평균적인 정비비용은 29.107으로 예상됩니다.

참고 자료

없음