原文链接：http://tecdat.cn/?p=18927 

 

本文使用波兰公寓价格数据说明Fisher检验。

with(data = apart , boxplot(price ~ dis ))

我们在这里对公寓进行分组（这也可以通过简单的回归，这里5个解释变量并不重要）。我们可以重新排列 

A = A[order(A$x),]
 

我们以这里最便宜的地区为参考，

 
 
Coefficients:
Estimate Std. Error t value Pr(>|t|) 
(Intercept) 2968.36 58.02 51.160 <2e-16 ***
districtBielany 17.38 84.16 0.207 0.836 
districtPraga 26.45 85.12 0.311 0.756 
districtUrsynow 42.01 82.65 0.508 0.611 
districtBemowo 80.10 83.71 0.957 0.339 
districtUrsus 102.01 82.25 1.240 0.215 
districtZoliborz 829.59 83.94 9.884 <2e-16 ***
districtMokotow 887.10 81.86 10.837 <2e-16 ***
districtOchota 987.93 84.16 11.738 <2e-16 ***
districtSrodmiescie 2214.39 83.28 26.591 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 
Residual standard error: 597.4 on 990 degrees of freedom
Multiple R-squared: 0.5698,	Adjusted R-squared: 0.5659 
F-statistic: 145.7 on 9 and 990 DF, p-value: < 2.2e-16

我们可以检验前5个地区价格，这是一个多重检验，我们将使用Fisher检验：

 
linHypo(reg, c("districtBielany = 0" 
"districtPraga = 0" 
"districtUrsynow = 0" 
"districtBemowo = 0" 
"districtUrsus = 0") 
Linear hypothesis test
 
Model 1: restricted model
Model 2: m2.price ~ district
 
Res.Df RSS Df Sum of Sq F Pr(>F)
1 995 354051715 
2 990 353269202 5 782513 0.4386 0.8217

Fisher的统计数据很低，  p值为82％。

Linear hypothesis test
 
Model 1: restricted model
Model 2: m2.price ~ district
 
Res.Df RSS Df Sum of Sq F Pr(>F) 
1 996 405455409 
2 990 353269202 6 52186207 24.374 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

我们将对前6种地区进行重组（并称A为地区重组）。如果我们看平均价格，按地区，我们得到

with(data = apar , boxplot( price ~ distr ))

 

我们再次开始，以最便宜的地区作为参考，我们想检验线性回归中接下来的两个地区的系数是否为零。

Linear hypothesis test
 
Model 1: restricted model
Model 2: m2.price ~ district
 
Res.Df RSS Df Sum of Sq F Pr(<F)
1 997 355292524 
2 995 354051715 2 1240809 1.7435 0.1754

P为0.17，我们可以接受原假设。然后，我们有三组地区，名称分别为A，B和C。我们获得以下框线图

with(data = apart , boxplot( price ~ dist ))

 

因此，最终我们可以分类成三个不同的地区，如果目标是预测价格，则无需使用10类分类，而3类分类就足够了！

---

最受欢迎的见解

1.Matlab马尔可夫链蒙特卡罗法（MCMC）估计随机波动率（SV，Stochastic Volatility） 模型

2.基于R语言的疾病制图中自适应核密度估计的阈值选择方法

3.WinBUGS对多元随机波动率模型：贝叶斯估计与模型比较

4.R语言回归中的hosmer-lemeshow拟合优度检验

5.matlab实现MCMC的马尔可夫切换ARMA – GARCH模型估计

6.R语言区间数据回归分析

7.R语言WALD检验 VS 似然比检验

8.python用线性回归预测股票价格

9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标

标签：16,Df,price,lt,检验,探究,公寓,Fisher,Model
来源： https://blog.51cto.com/u_15198753/2769927