要求:修改代码使其采用动态交互或动画形式展示
案例1:某企业在制订某商品的广告策略时,对不同广告形式在不同地区的广告效果(销售额)进行了评估。(数据:方差分析(广告城市与销售额.sav)
这里,以商品销售额为观测变量,广告形式和地区为控制变量,通过单因素方差分析方法分别对广告形式、地区对销售额的影响进行分析。
提示:两个单因素方差分析的零假设分别为:
不同广告形式没有对销售额产生显著影响(即不同广告形式对销售额的效应同时为0;
不同地区的销售额没有显著差异(即不同地区对销售额的效应同时为0)。
案例2:仍采用某企业对不同广告形式在不同地区的广告效果(销售额)进行评估的数据。(数据同上)
通过多因素方差分析方法对广告形式、地区、广告形式和地区的交互作用对销售额的影响进行分析,进而为制订广告和地区的最优宣传组合方案提供依据
提示:以广告形式和地区为控制变量,销售额为观测变量,多因素方差分析的零假设为:
不同广告形式没有对销售额产生显著影响;
不同地区的销售额没有显著差异。
广告形式和地区对销售额没有产生显著的交互影响。
案例3: 以Only服装销售量.xls的各季度销售量相关统计表
分析一:分析季度对销售量有无影响?
分析二:分析季度和商场的不同对销售量有无影响?
案例5:居民生活消费研究
GDP的稳定增长一直以来都是世界各国在促进经济发展的同时所共同关心的问题。近年来,我国的GDP保持健康稳定发展,随着人民收入的不断增长,人民生活水平有所提高,生活消费支出在收入中的比重也有所上升,而衣、食、住、行等各项支出在生活消费支出中的比重在各个地区城乡居民之间也略有不同。通过对各地区各项支出的统计分析,就能比较清楚地了解到各个地区城乡居民的平均生活水平和生活质量。
利用全国部分地区生活消费.xls,选用本章中介绍的合适的统计分析方法和恰当的显著性水平,试分析各项生活消费支出和地区间生活消费支出是否存在差异。如果存在差异,请分析差异产生的主要原因,并指出差异较大的支出和地区,试完成一份全面的案例分析
#案例一
install.packages("foreign")
library(foreign)
mydata=read.spss("方差分析(广告城市与销售额).sav",to.data.frame = TRUE)
mydata
ad.aov=aov(x3 ~ x1, data = mydata)
summary(ad.aov)
region.aov=aov(x3 ~ x2,data = mydata)
summary(region.aov)
install.packages("foreign")
library(foreign)
mydata=read.spss("方差分析(广告城市与销售额).sav",to.data.frame = TRUE)
mydata
ad_region<- aov(x3 ~ x1 + x2 + x1 : x2, data = mydata)
summary(ad_region)
anova(ad_region)
install.packages("readxl")
library(readxl)
sales_data<-read_excel("C:\\Users\\ASUS\\Desktop\\南京理工大学\\实验课\\实验三方差分析的R实现\\数据及代码\\Only服装销售量.xls")
head(sales_data)
# 创建模拟数据框
sales_data<- data.frame(
商场编号 = rep(c("商场1", "商场2","商场3","商场4","商场5","商场6","商场7","商场8","商场9","商场10","商场11","商场12","商场13","商场14","商场15")),
季度 = rep(1:4, times = 15),
销售量 = c(710990,460160,794750,819800,
656040,336780,670310,405540,
771750, 308100, 915230, 670580,
933110,257740,323710,270890,
1246500,863520,1429200,959860,
350290,425980,734460,486590,
201520,190390,370490,266560,
303320,260250,467860,382900,
510160,382000,564890,518550,
686880,277720,881630,1377970,
340640,177540,447510,240720,
266250,276940,838680,613000,
622850,138180,431680,422680,
279850,129710,387560,253790,
201970,65490,187860,130040)
)
print(sales_data)
# 分析一:分析季度对销售量有无影响
model1 <- lm(销售量 ~ 季度, data = sales_data)
summary(model1)
result_anova<-aov(销售量 ~ 季度, data = sales_data)
summary(result_anova)
# 分析二:分析季度和商场的不同对销售量有无影响
model2 <- lm(销售量 ~ 季度 + 商场编号, data = sales_data)
summary(model2)
result_mult_anova<-aov(销售量 ~ 季度 + 商场编号, data = sales_data)
summary(result_mult_anova)
install.packages("readxl")
library(readxl)
data_all<-read_excel("C:\\Users\\ASUS\\Desktop\\南京理工大学\\R语言\\实验课\\实验三方差分析的R实现\\数据及代码\\全国部分地区生活消费支出.xls")
re_data<-data.frame(地区=rep(c('北京','天津','河北','上海','江苏','浙江','河南','湖南','广东','重庆','西藏','新疆'),each=8),
各项支出=rep(c('食品','衣着','居住','家庭设备及服务','医疗保健','交通和通讯','文教娱乐用品及服务','其他商品及服务'),times=12),
各项支出占生活消费支出百分比=c(39.49,7.31,13.64,7.99,7.33,6.9,14.99,2.34,
47.69,8.8,12.82,5.31,6.23,4.21,10.7,4.24,
43.68,7.94,19.55,6.07,5.13,5.41,10.17,2.05,
43.15,5.24,17.62,10.05,4.14,5.09,12.27,2.44,
44.7,5.31,19.65,6.71,4.7,5.68,11.02,2.23,
46.07,5.42,15.99,5.96,5.73,7.07,10.28,3.49,
53.05,6.38,16.95,4.7,4.32,2.93,9.07,2.6,
59.04,4.15,13.84,4.01,3.25,3.04,10.75,1.91,
50.67,3.75,15.69,5.8,3.73,5.58,11.99,2.78,
61.65,4.72,13.06,4.67,3.6,2.8,8.35,1.16,
69.24,12.94,4.88,6.85,2.22,1.33,1.01,1.53,
53.52,9.34,11.5,3.96,5.68,4.6,8.4,2.99))
print(re_data)
thing_re_data<-aov(各项支出占生活消费支出百分比~各项支出,data=re_data) #进行各项支出对生活消费支出百分比的方差分析
summary(thing_re_data)
area_re_data<-aov(各项支出占生活消费支出百分比~地区,data=re_data) #进行地区对生活消费支出百分比的方差分析
summary(area_re_data)
install.packages("ggplot2")
library(ggplot2)
ggplot(re_data,aes(x=地区,y=各项支出占生活消费支出百分比,fill=各项支出)) +
geom_bar(stat = "identity", position = position_stack()) +
theme_minimal() +
labs(x = "地区", y = "各项支出占生活消费支出百分比", fill = "各项支出") +
scale_fill_brewer(palette = "Pastel1") +
ggtitle("Bar Stacking Chart")