R语言-岭回归的代码与案例解读

本文介绍了在多元线性回归中遇到多重共线性问题时,如何运用岭回归进行分析。案例研究了互联网经济对中国经济增长的影响,通过R语言的`MASS`、`xlsx`和`car`包处理数据,发现模型存在多重共线性。通过对数据进行对数线性化,使用岭回归方法解决了这一问题,并得出互联网经济对经济增长的弹性系数分析,揭示了边际产量递增的趋势,证实了互联网经济的重要作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

应用岭回归的场景有很多。
本文介绍的是 在应用多元线性回归时 遇到多重共线性问题,且无法删除变量或者增加样本量的情况下,应用岭回归的情况。

  • 案例:互联网经济对中国经济增长影响
  • 基础模型:C-D生产函数:Y=A*L^α *K^β
  • 应用模型:岭回归
  • 使用工具:r语言
  • 使用程序包:‘MASS’、‘xlsx’、‘car’
  • 准备数据:Y:国民生产总值、K:固定资产投资;L:年期末就业人数;A:互联网综合发展水平
  • 数据处理:为了模型的稳定性与计算的简易性,分别对两端取对数,变成线性关系,得到最终模型:lnY=γlnA+αlnL+βlnk
  • 变量解释与结果推测:综合考虑互联网经济的指标体系和数据的可得性,采用因子分析的方法估计综合技术水平A(详情可点击)。γ、α、β表示互联网经济产出弹性系数、劳动力弹性和资本弹性系数,本文推测,生产弹性系数会符合以下估计:
    (1)α+β+γ>1,表示最终经济规模呈递增趋势;
    (2)α<1、β<1,表示边际收益递减的规律性,γ>1,表示互联网经济的边际收益递增性,符合互联网经济的特征。

对数线性化与多重共线性判别

#加载程序包与数据
library(MASS)
library(xlsx)
library(car)
y <- read.xlsx("D:/RData/sets/Y.xlsx",1,encoding = "UTF-8")
l <- read.xlsx("D:/RData/sets/L.xlsx",1,encoding = "UTF-8")
a <- read.xlsx("D:/RData/sets/A.xlsx",1,encoding = "UTF-8")
k <-</
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

24442552

兄弟们...谢谢知识付费

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值