10、用线性模型预测投票结果

用线性模型预测投票结果

1. 线性关系分析

在进行线性回归分析时，我们首先观察变量之间的线性关系。通过散点图可以发现，18 - 44岁人群的比例（ Age_18to44 ）与支持脱欧人群的比例（ Proportion ）呈现明显的线性关系，即随着18 - 44岁人群比例的增加，支持脱欧人群的比例下降。同时，选区中学生的比例（ Students ）与 Proportion 在初始区间（ Students 介于0 - 20之间）也呈现明显的线性关系，之后虽仍似线性关系，但受到高比例学生观测值的干扰。不过，我们仍可假设 Students 与 Proportion 之间存在线性关系。

在进行多元线性回归时，需要对其余变量的线性假设进行检验。虽然这里为节省篇幅省略了，但建议大家自行检验。要知道，很难让所有变量都呈现完全的线性关系，这种线性假设主要是为了衡量变量在回归中的预测能力。只要变量间呈现出轻微的线性关系，就可以进行后续分析。

2. 正态性检验

我们使用两种不同的技术来检验数据的正态性，以此展示策略模式的应用。策略模式是一种可以复用代码、避免代码重复的技术，它通过改变具体的实现策略来完成不同的任务。

以下是相关代码实现：

save_png <- function(data, variable, save_to, function_to_create_image