利用R语言做深圳参数分析

数据和思路来源于 大数据学习群高立信同学的文章，我觉得比较有意思，探讨一下。

R下“Hello World级”数据分析--由“医院病床数”可以预测社会经济水平嘛？

首先从高同学处要来了他整理过的深圳2003-2013年部分统计指标的excel表，然后输入R程序。

library(openxlsx)

readFilePath<-"E:/shenzhen.xlsx"

mydata<-read.xlsx(readFilePath,"Sheet1")

表格中包括出生人数，人均年收入，小学生入学数，医院病床数，总人口，以及出生率。因为出生率已经与出生人数和总人数相关，所以在后面的分析中这列没有考虑进去。

数据表：

以前根据类似数据，写过一篇利用R语言做菜鸟级表格分析，还是继续用pair函数比较各个因素间的关系：

pairs(mydata[,2:6])；plot

得图如下，可以看出，初步呈线性相关的是：收入，医院，小学生数，人口之间的几个关联。

类似的图还可以用car包里的scatterplotMatrix做出来，不过那个不能挑选列，所以是7x7的图形，我个人觉得还不如pairs清楚。

因为高同学的问题是病床数是否可以预测经济增长，那首先就要求出：与病床数相关的因素。这点我利用了car包的crPlots函数（R语言实战，P179)

fit<-lm(hospital~income+population+student+birth,data=mydata)

crPlots(fit)

以病床数为响应变量，其他几个因素为预测变量，进行分析。可以看出，病床数与收入没有线性回归关系，与人口，小学生数，出生数存在关系。

那么个人的答案是：病床数与经济预测没有关联。

自设问题二，在影响病床数这几个因素中，哪个变量对预测更为重要？

根据《R语言实战》P195所述，可以采用coef函数检验

从计算看来，人口，学生数，出生人数这三个影响指数都是差不多的。

自设问题三，个人觉得出生，小学生数，人口数这几个因素本身就是有相关性的，是否确实如此？

这里我用多重共线性进行检验（P181）(后面还做了个离群值outlier检验，一起附图)

根据原则，vif的开方>2就表明存在多重共线性，所以这儿是存在的。但是与前面的多元回归结果有什么影响，本小白就搞不清楚了。需要继续学习研究。也欢迎大神解惑。

日后加上深圳房价，再做比较。