【R语言】回归分析案例：北京市商品房价格影响因素分析

1047521767

【R语言】回归分析案例：北京市商品房价格影响因素分析
! O1 P' R2 R5 ~

这一案例是王汉生老师《应用商务统计分析》方差分析章节的案例，主要对离散型变量进行了处理。
: D% P1 J/ k7 c- k0 g% `  c9 r* w) W8 U这里将连续型变量也加进来，进行协方差分析，建立完整的模型。

首先对房价进行对数变换，解决异方差问题：

行描述性统计分析，各连续型变量之间的相关关系如下：
# ^7 g) O( d0 E2 P1 p8 Z$ _9 U( |/ t
/ c8 n: t/ j$ o  T  K% F, i0 j' g3 ~  Z

名义变量的EDA一般做箱型图。

模型按照全模型-变量处理（分箱等）-变量选择-回归诊断等步骤建立。

$ j4 C. R: |" P
最终模型残差图：
+ ^* g  g" r+ m3 C1 Q* F
通过模型分析结果可知，影响北京市商品房平均销售价格的主要因素有：
属性变量：所在辖区、所在环线、物业类别、装修状况、容积率大小（新引入）；连续变量：绿化率、停车位住户比
属性变量的具体影响在此处分析略去。
连续型变量的影响主要为：
- i8 ?' D+ t  @ 绿化率：绿化率的影响十分显著，由系数估计值为正，说明对房价有正向影响，绿化率越高的楼盘房价越高；
& g7 r. e8 Z: H 停车位住户比：有较显著的影响，停车位住户比越高，价格越高；
同时，原本为连续型变量的容积率经过离散化变为属性变量后：
" e- i* \" R" ^( W. x9 U 容积率大小：容积率分组有较显著的影响，高容积率的小区商品房价格更贵；
8 |" X/ r: J# q& |5 h9 @6 X' ] 容积率与环线之间存在着交互效应。
rm(list=ls())                                                                                #清空当前工作空间
. _% b" ^% ?# P5 Zsetwd("D:/回归分析")
" m; Q' ^8 n2 Q4 |, L, ma=read.csv("real.csv",header=T)                #读入csv格式的数据，赋值为a
View(a)
3 p1 x" o8 S( x; K. Kattach(a)
names(a)
0 {) F, P& I' k8 N1 q2 `1 z

2 d" @& E9 f/ P$ p5 }0 W  f: k##描述性统计
3 i1 z+ A' G7 l. M3 Y

#未做处理的响应变量分布情况
par(mfrow=c(1,1))
hist(price)
summary(price)        #查看响应变量的描述统计量
1 a5 }* N* i/ _: `+ C& P#连续型变量描述性统计
windows()
" K+ p( G% {/ h; f* Fpairs(a[,c(6:10)])    #所有连续型变量间的散点图
4 P# w2 [0 x, c$ Mpar(mfrow=c(2,2))       
  O9 D; R& K& g3 Z3 U/ Eplot(rong,price)      #每个连续型因变量与响应变量间的散点图
4 L* Y" p, N/ D) B' n1 Aplot(lv,price)
  M$ M8 ?9 _: z, h( lplot(area,price)
plot(ratio,price)
- m$ _5 A8 o' [) X, G" ksummary(a[,c(6:10)])  #查看连续型变量的描述统计量
cor(a[,c(6:10)])      #查看连续型变量的相关系数
#属性变量描述性统计
windows()
) I9 l) |& @% Y( \8 p! t$ ipar(mfrow=c(2,3))                       
7 T. }) }6 z5 O& u6 F( Gboxplot(price~dis)          #每个属性变量关于响应变量的箱型图
6 c) O0 k: y( }; mboxplot(price~wuye)                                                                       
boxplot(price~fitment)       
  L4 I  P, v/ r8 A& w' Yboxplot(price~ring)       
boxplot(price~contype)


- U. D* V0 a! C& g4 Z+ B

) ]0 {. N0 _4 H##模型建立


# V* D, M: H! t! X1 Q6 ?#在方差分析模型基础上加入连续型变量
) X, M. j6 m1 I) X: H. X; Xlm1=lm(price~as.factor(dis)*as.factor(ring)+as.factor(wuye)+as.factor(fitment)+as.factor(contype)+rong+lv+area+ratio)
+ R5 f& ^: P, q5 d( k7 `- ?anova(lm1)                #方差分析
summary(lm1)              #模型参数估计等详细结果
windows()
& w! S3 Z  d5 R2 {7 A7 y* s  }3 ~par(mfrow=c(2,2))
plot(lm1,which=c(1:4))    #回归诊断做残差图


- e2 V% O0 P7 j3 Q1 p
. G/ }5 ]  w3 v0 l% P9 {
##变量处理


8 k- o) m- `& q& I) w* t# l###对不显著的变量采用分组的方式希望能达到显著的效果
8 ^' T; `/ \. `##对容积率的处理
9 |0 R8 t8 J$ Z  qwindows()
2 y; Z* e" u0 z& Bn = 4
boxplot(price~ceiling(rong/n))                #容积率多分组下的箱型图                                       
( h1 Q* Z1 \8 m% G4 a9 J4 V4 Ctable(ceiling(rong/n))                                                #容积率各分组下的样本数
ronggrp=1*(rong>n)                #进行二分类
#ronggrp=ceiling(rong/n)       
, D+ W. E( A4 `! j4 @( q8 J2 otable(ceiling(ronggrp))           #容积率二分类下的样本数
windows()
boxplot(price~ceiling(ronggrp))   #容积率二分类下的房价箱型图
windows()
par(mfrow=c(1,2))
# ~: x: d5 L9 bboxplot(rong~ring)                #容积率与环线箱型图
+ c9 U& U6 }: p; _4 a. Wboxplot(price~ring)               #房价与环线箱型图
) H8 c& u9 q& X, d- b6 _% `#加入容积率分组和容积率分组*所在环线交互因子的模型
% Z$ H. u( j, i( O7 y% Y/ B5 olm2=lm(price~as.factor(dis)*as.factor(ring)+as.factor(wuye)+as.factor(fitment)+as.factor(contype)+as.factor(ring)*as.factor(ronggrp)+lv+area+ratio)
anova(lm2)                #方差分析
summary(lm2)              #模型参数估计等详细结果
9 y/ H: {" p6 [8 H" X9 ?* a& _windows()
par(mfrow=c(2,2))
plot(lm1,which=c(1:4))    #回归诊断

, o/ n" l! Z4 m) y7 H* D* z
. j" z# s" b0 w3 @##对小区面积的处理
summary(area)
plot(area,price)
windows()
n = 150000
boxplot(price~ceiling(area/n))                                                       
table(ceiling(area/n))                                                               
areagrp=1*(area>n)
table(ceiling(areagrp))
- P6 X4 z- ^; y+ j2 I  E/ q- iboxplot(price~ceiling(areagrp))
#加入小区面积分组的模型
5 A9 d0 h4 P! C1 j0 _7 ]# Xlm3=lm(price~as.factor(dis)*as.factor(ring)+as.factor(wuye)+as.factor(fitment)+as.factor(contype)+as.factor(ring)*as.factor(ronggrp)+lv+as.factor(areagrp)+ratio)
anova(lm3)                #方差分析
% g' t& T  j9 z8 Zsummary(lm3)              #模型参数估计等详细结果
windows()
& i; M: `8 ?- ~8 v: W: h) [par(mfrow=c(2,2))
9 V" T: U8 \  gplot(lm3,which=c(1:4))    #回归诊断

/ T7 e/ Q+ Q3 ^- R
6 n# m. X  x# f5 l##变量选择

) i1 N3 w7 c6 x% P
/ o3 U  ^7 }8 {3 k9 [( a- X7 C##AIC准则下的变量选择
lm4.aic=step(lm3,trace=F)       #根据AIC准则选出最优模型，并赋值给lm.aic
  B* [8 b; P( P5 E( lsummary(lm4.aic)                #给出模型lm.aic中系数估计值、P值等细节
##BIC准则下的变量选择
lm5.bic=step(lm3,k=log(length(a[,1])),trace=F)     #根据BIC准则选出最优模型，并赋值给lm.bic
summary(lm5.bic)         #给出模型lm.bic中系数估计值、P值等细节


#选用AIC准则下的模型进行回归诊断
windows()
par(mfrow=c(2,2))
plot(lm4.aic,which=c(1:4))  

+ T  E& u. H$ E+ v


! l3 H- @" T# T0 O##数据变换
5 m$ Y8 [6 ^6 N' o9 K

#box-cox变换
* y0 g* N1 w* c: a6 G# t2 klibrary(MASS)
b=boxcox(price~as.factor(dis)*as.factor(ring)+as.factor(wuye)+as.factor(fitment)+as.factor(ring)*as.factor(ronggrp)+lv+ratio, data=a,lambda=seq(-3, 3, by=0.1))
I=which(b$y==max(b$y))  #定位似然函数最大的位置
lambda = b$x[I] #精确的λ值
#λ接近于0，为模型简洁性，可以直接进行对数变换
logprice <- log(price)
hist(logprice)


/ n- h2 z3 z9 A##最终模型与诊断


& }  J6 k( B  R+ h2 {4 b0 c, s  |lm6=lm(logprice ~as.factor(dis)*as.factor(ring)+as.factor(wuye)+as.factor(fitment)+as.factor(ring)*as.factor(ronggrp)+lv+ratio)
windows()
par(mfrow=c(2,2))
plot(lm6,which=c(1:4))
% Q' M* f  ?, F# o: v" h$ J6 kanova(lm6)
summary(lm6)

3 w' J6 J; r  w# n/ @- y* _
请关注数学中国网微博和数学中国公众号，联系QQ 3243710560

1 [; d1 f, a- g. Y9 m- s, L

* J0 F0 G1 k+ p

fgfroom214

一定会认真的看看，发现这是R的，有python的分析没有
( [% h) D9 C+ F! r! S8 S

sjlxdn

111111111111111
2 g& p. \% T/ s1 p; C1 |: Q6 P

fgfroom214

太好了，又认真的看了一次，发现自已差太多了
) O0 j( t4 ?! y2 ^1 Y8 l1 d

1047521767

fgfroom214 发表于 2021-10-27 23:18
) |1 y+ n( X3 C* n1 O$ i太好了，又认真的看了一次，发现自已差太多了

我每天会发一些好资源的

1047521767

fgfroom214 发表于 2021-10-27 16:32
一定会认真的看看，发现这是R的，有python的分析没有

有啊