數據和思路來源于 大數據學習群高立信同學的文章，我覺得比較有意思，探討一下。

R下“Hello World級”數據分析--由“醫院病床數”可以預測社會經濟水平嘛？

首先從高同學處要來了他整理過的深圳2003-2013年部分統計指標的excel表，然后輸入R程序。

library(openxlsx)

readFilePath<-"E:/shenzhen.xlsx"

mydata<-read.xlsx(readFilePath,"Sheet1")

表格中包括出生人數，人均年收入，小學生入學數，醫院病床數，總人口，以及出生率。因為出生率已經與出生人數和總人數相關，所以在后面的分析中這列沒有考慮進去。

數據表：

以前根據類似數據，寫過一篇利用R語言做菜鳥級表格分析，還是繼續用pair函數比較各個因素間的關系：

pairs(mydata[,2:6])；plot

得圖如下，可以看出，初步呈線性相關的是：收入，醫院，小學生數，人口之間的幾個關聯。

類似的圖還可以用car包里的scatterplotMatrix做出來，不過那個不能挑選列，所以是7x7的圖形，我個人覺得還不如pairs清楚。

因為高同學的問題是病床數是否可以預測經濟增長，那首先就要求出：與病床數相關的因素。這點我利用了car包的crPlots函數（R語言實戰，P179)

fit<-lm(hospital~income+population+student+birth,data=mydata)

crPlots(fit)

以病床數為響應變量，其他幾個因素為預測變量，進行分析。可以看出，病床數與收入沒有線性回歸關系，與人口，小學生數，出生數存在關系。

那么個人的答案是：病床數與經濟預測沒有關聯。

自設問題二，在影響病床數這幾個因素中，哪個變量對預測更為重要？

根據《R語言實戰》P195所述，可以采用coef函數檢驗

從計算看來，人口，學生數，出生人數這三個影響指數都是差不多的。

自設問題三，個人覺得出生，小學生數，人口數這幾個因素本身就是有相關性的，是否確實如此？

這里我用多重共線性進行檢驗（P181）(后面還做了個離群值outlier檢驗，一起附圖)

根據原則，vif的開方>2就表明存在多重共線性，所以這兒是存在的。但是與前面的多元回歸結果有什么影響，本小白就搞不清楚了。需要繼續學習研究。也歡迎大神解惑。

日后加上深圳房價，再做比較。