统计软件介绍以及R语言数学建模实例.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,南京财经大学统计系,高健,SPSS,SPSS(Statistical Package for Social Sciences，社会科学统计软件包),，是当前国际上公认的最为强大的统计分析软件之一。,它不仅适用于社会科学，同样可应用于经济学、心理学、医学等各个领域。,最显著的特点是运用菜单和对话框的操作方式，,除了数据录入外，它不需要编写程序，,绝大多数操作过程仅靠鼠标击键即可完成，易于操作，,完全可以在,Windows,下通过,“,菜单,”,、,“,对话框,”,使用单击或双击鼠标来操作，非常方便，深受用户欢迎。,是应用最多的统计软件之一。,SPSS,-,统计软件中的贵族,操作界面极为友好,所有统计软件中最友好的,精心设计的图形操作界面,美观的结果输出,强大的辅助教学功能,在国内深受欢迎，特别是市场调研行业,在欧洲各研究机构中得到广泛应用,R,语言,开源,可以在,unix,，,windows,，,mac,下运行,编程方便，与,s-plus,所基于的,s,语言一样,强大的图形功能和统计分析,有不断加入的各个方向统计学家编写的统计软件包,易学,需要编程不傻瓜,SPSS celmentine,1999,年,SPSS,公司收购了,ISL,公司，对,Clementine,产品进行重新整合和开发，现在,Clementine,已经成为,SPSS,公司的又一亮点。,SPSS clementine,数据挖掘平台,能够对海量数据库进行分析,数据挖掘算法,脑卒中发病环境因素分析及干预,近年来，我国脑卒中发病率呈不断增长的趋势，据世卫组织统计，我国脑卒中的发病率高于世界平均水平。我们根据数据建立数学模型，解决有哪些因素影响脑卒中发病，从而采取更好的预防措施和治疗方法。,第一，脑卒中发病人群与性别、年龄、职业有什么关系。把数据（见,Appendix-C1）整理好后我们,用,R语言对2007年1月到2010年12月的61889条数据进行统计，分别是脑卒中发病与性别、年龄和职业的关系。从中得出男性比女性病例多；脑卒中发病主要是中老年人群；职业分类其中农民最多。,第二，为研究脑卒中发病率与气温、气压和相对湿度之间的关系，运用R软件进行操作。通过建立多元回归模型,。首先将发病人数与平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、平均湿度、相对湿度进行多元回归分析，发现解释变量中多个因素间存在多重线性的关系，剔除多重线性的影响后，再一次用发病人数和剩余因素进行多元线性回归，解释变量都通过了检验，能够很好的解释模型。得到回归方程如下：,Y=-7540.217+8.465X1-255.123X2+262.295X3-47.661X4,关键词：,R语言,饼图 条形图 多元线性回归,1发病人数与性别关系的饼图如下,par(mfrow=c(2,2),#,分割图形，,2,行,2,列并列图,x1-c(datasetsex$y20071,datasetsex$y20072,),#,读取,2007,年男女人数,pie(x1,labels=c(male,female),col=c(rgb(120/255,0/255,190/255),rgb(0/255,70/255,190/255),rgb(0/255,190/255,120/255),main=2007,cex=1.4),x12=round(100*x1/sum(x1),digits=2),#,做饼图,text(1,0.6,paste(x121,%,sep=),col=1,cex=1.4),#,显示比例,text(1,-0.6,paste(x122,%,sep=),col=1,cex=1.4),x2-c(datasetsex$y20081,datasetsex$y20082),pie(x2,labels=c(male,female),col=c(rgb(120/255,0/255,190/255),rgb(0/255,70/255,190/255),rgb(0/255,190/255,120/255),main=2008,cex=1.4),x22=round(100*x2/sum(x2),digits=2),text(1,0.6,paste(x221,%,sep=),col=1,cex=1.4),text(1,-0.6,paste(x222,%,sep=),col=1,cex=1.4),x3-c(datasetsex$y20091,datasetsex$y20092),pie(x3,labels=c(male,female),col=c(rgb(120/255,0/255,190/255),rgb(0/255,70/255,190/255),rgb(0/255,190/255,120/255),main=2009,cex=1.4),x32=round(100*x3/sum(x3),digits=2),text(1,0.6,paste(x321,%,sep=),col=1,cex=1.4),text(1,-0.6,paste(x322,%,sep=),col=1,cex=1.4),x4-c(datasetsex$y20101,datasetsex$y20102),pie(x4,labels=c(male,female),col=c(rgb(120/255,0/255,190/255),rgb(0/255,70/255,190/255),rgb(0/255,190/255,120/255),main=2010,cex=1.4),x42=round(100*x4/sum(x4),digits=2),text(1,0.6,paste(x421,%,sep=),col=1,cex=1.4),text(1,-0.6,paste(x422,%,sep=),col=1,cex=1.4),分别作出,4,年的性别饼图,由上图可以看出各年男性和女性发病人数的比例基本上是维持不变的，而且男性发病人数比女性发病人数高。,2007-2010,的饼图,x1-c(datasetsex$total1,datasetsex$total2),pie(x1,labels=c(male,female),col=c(rgb(120/255,0/255,190/255),rgb(0/255,70/255,190/255),rgb(0/255,190/255,120/255),main=2007-2010,cex=1.4),x12=round(100*x1/sum(x1),digits=2),text(1,0.6,paste(x121,%,sep=),col=1,cex=1.4),text(1,-0.6,paste(x122,%,sep=),col=1,cex=1.4),男性发病人数占总和发病人数的,54.18%,，女性发病人数占总和发病人数的,45.82%,，男性发病人数要高于女性发病人数,。,2,发病人数与年龄关系的条形图,datasetage-read.csv(age.csv),#,读取数据,library(RColorBrewer),#,使用分类调色板，将程序包调入内存,death-t(datasetage),#,将数据集进行转置,barplot(death,col=brewer.pal(3,Set1),beside=TRUE,legend=TRUE),#,选用,“,Set1,”,作为颜色，,beside=TRUE,表示条形图并列排列，,legend,表示显示相关旁注,由图,2,看出，,60-89,岁年龄段的人发病人数最多，而这段的人都是老年人。可见老年人是脑卒中发病的主要群体。而,44,岁以下和,90,岁以上的人当中发病人数占很小的比例。由于,90,岁以上人口原本相对较少，所以我们可以认为,44,岁以下即年轻人发病的比率不是很高。,从性别上看，,74,岁以下的发病人数中，男性的发病人数多于女性。而,75,岁以上的发病人数中，男女的比率相当,。,3,发病人数与职业关系的条形图,datasetoccupation-read.csv(occupation.csv),par(mfrow=c(2,1,),#,并列图，上下并列排列,dataset2007-read.table(clipboard),barplot(t(dataset2007),col=blue,main=2007),#,条形图，颜色为蓝色，主标题为“,2007”,dataset2008-read.table(clipboard),barplot(t(dataset2008),col=blue,main=2008),par(mfrow=c(2,1),dataset2009-read.table(clipboard),barplot(t(dataset2009),col=blue,main=2009),dataset2010-read.table(clipboard),barplot(t(dataset2010),col=blue,main=2010),datasettotal-read.table(clipboard),barplot(t(datasettotal),col=blue,main=2007-2010),图,3,，从各年的发病人数以及,07-10,的总发病人数中看出，的农民的发病人数远远高于其他职业，而教师，渔民，医护人员中的发病人数非常少。其他职业当中发病人数由高到低依次为退休人员、工人、离退人员、雇员。,为研究脑卒中发病率与气温、气压和相对湿度之间的关系，运用,R软件进行操作,，建立多元回归模型,代码如下：,lm.reg=lm(numaverpres+highpres+lowpres+avertemp+hightemp+lowtemp+comrh,data=dataset2),summary(lm.reg),通过表,1 R,语言输出的结果可以看出，只有相对湿度（,comrh,）的,p,值小于,0.05,，通过了显著水平的检验。所以上述的多远回归模型还不能还不能完全解释发病数与其他相关因素的关系。,代码如下：,library(DAAG),#,将需要的程序包载入内存,vif,（,lm.reg),#,各变量的方差膨胀因子,通过表,2,的结果可以看出，变量（,averpres,、,highpres,、,lowpres,、,avertemp,、,hightemp,、,lowtemp,）的方差膨胀因子均远大于,10,，则它们之间可能存在着多重线性关系。所以，需要排除多重线性的关系，然后再进行多元回归。,剔除多重线性的影响，去掉同类变量中,t,值较小的，用剩下的变量作多元线性回归。,代码如下：,lm.reg-lm(numlowpres+avertemp+hightemp+comrh,data=dataset2),summary(lm.reg),通过表,3,的结果可以看出，最低气压，平均气温，最高气温，相对湿度都通过了,0.05,的显著性水平的检验。相对湿度仍然可以通过显著水平的检验，这说明上述变量能解释脑卒中的发病率异同。发病人数（,num,）与最高气温（,hightemp,）、最低气压（,lowpres,）成正相关，与平均气温（,avertemp,）、相对湿度（,comrh,）负相关。回归模型为：,Y=-7540.217+8.465X,1,-255.123X,2,+262.295X,3,-47.661X,4,代码如下：,yn.rst-rstandard(lm.reg),#,标准化残差值,yn.fit-predict(lm.reg),#,预测值,#,做标准化残差图,par(bg=lightgrey),#,图形界面的背景颜色为浅灰色,plot(yn.rstyn.fit,pch=1,cex=2,col=blue,pty=a,lwd=2),#,符号类型（,pch=1,），散点大小（,cex=2,）,散点颜色为蓝，散点线宽为,2,作回归诊断，画出标准化残差散点图,由图,4,的残差图可以看出方差齐性，不需要对响应变量,y,做变换验证了回归方程是合理的。,最终回归模型为,Y=-7540.217+8.465X,1,-255.123X,2,+262.295X,3,-47.661X,4,谢 谢,