Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- dati=Dati.questionario.regressione
- library(scatterplot3d)
- pairs(data.frame(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$B.4.Qual.è.il.tuo.reddito.+dati$B.1.Genere))
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_donna,use="complete.obs") #mat i corr
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_uomo,use="complete.obs") #mat i corr
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_lavoratore,use="complete.obs") #mat i corr
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_discoccupato,use="complete.obs") #mat i corr
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_studente,use="complete.obs") #mat i corr
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_red1,use="complete.obs") #mat i corr
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_red2,use="complete.obs") #mat i corr
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_red3,use="complete.obs") #mat i corr
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_red4,use="complete.obs") #mat i corr
- cor(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.,dati$d_red5,use="complete.obs") #mat i corr
- reg=lm(dati$C.2.Quanto.spesso.acquisti.capi.d.abbigliamento.firmati.~dati$d_donna+dati$d_uomo+dati$d_discoccupato+dati$d_lavoratore+dati$d_studente+dati$d_red1+dati$d_red2+dati$d_red3+dati$d_red4+dati$d_red5)
- summary(reg)
- reg$coef
- res=reg$residuals
- res #vediamo i residui
- #t test: serve a testare che la media dei residui sia pari zero
- #se p-value >0.05 allora i residui vanno bene
- t.test(res)
- library(lmtest)
- #test per l'omoschedasticità dei residui
- #TEST DI BREUSCH-PAGAN
- #sse pvalue >0.05 i residui sono omoschedastici (tutti i dati + importanti
- # hanno varianza costante)-vanno bene
- bptest(reg,data=dati)
- #test di DURBIN-WATSON:per testare l'autocorrelazione dei residui
- #se p-value>0.05 i residui non sono autocorrelati-vanno bene
- dwtest(reg,data=dati)
- y_fit=fitted(reg)
- y_fit
- #Visualizzare che i residui si muovano intorno allo zero
- plot(y_fit, res, ylab="Residui", xlab="Fitted", main="Residui vs fitted")
- abline(h=0)
- #Normalità distributiva dei residui
- qqnorm(scale(res))
- abline(0,1)
- #multicollinearità
- #se ci sono variabili con un VIF score >5 vanno eliminate
- library(car)
- vif(reg)
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement