Rstudio 回归分析怎么添加控制变量回归怎么加入控制变量

转载

mob64ca140b82e3 2024-03-27 22:29:02

文章标签 ci 回归分析方差分析 文章分类 机器学习人工智能

方法1

统计逻辑：统计一个loginname的所有去重的通讯录数C,统计这个Loginname对应的每个设备对应的通讯录c1,c2,c3…cn;

X=(c1/c+c2/c+c3/c+….cn/c)/n=(c1+c2+…cn)/(c*n)

数据表现如下：

Rstudio 回归分析怎么添加控制变量回归怎么加入控制变量_ci

将3个以上设备计算出来的结果关联上黑名单库，在8092个loginname中,有3915个，

占48.4%。将是否黑名单当作Y值，X值为自变量进行回归：

Y与X之间的相关性为0.1229，显著性正相关。

回归统计
Multiple R	0.12294864
R Square	0.01511637
Adjusted R Square	0.01499461
标准误差	0.49600959
观测值	8091

方差分析
	df	SS	MS	F	Significance F
回归分析	1	30.54481	30.54481	124.153	1.26E-28
残差	8089	1990.1	0.246026
总计	8090	2020.645

	Coefficients	标准误差	t Stat	P-value	Lower 95%	Upper 95%	下限 95.0%	上限 95.0%
Intercept	0.65722473	0.016506	39.81648	0	0.624868	0.689581	0.624868	0.689581
X Variable 1	-0.2788014	0.025022	-11.1424	1.26E-28	-0.32785	-0.22975	-0.32785	-0.22975

方法2

统计逻辑：计算出每2个设备之间通讯录的相同率,如Xab,Xac,Xad,Xcd…XnXn-1，关联上黑名单库，在当时7383的大于等于3个设备的loginname中，按照设备个数的不同分组，然后进行回归，

3个设备的loginname有6512个，其中黑名单3294个，占比50.6%，X与Y的关系程正弱相关，前2个之间的相同率(自变量)对Y的影响最大。

Multiple R	0.119978
R Square	0.014395
Adjusted R Square	0.01394
标准误差	0.496507
观测值	6512

方差分析
	df	SS	MS	F	Significance F
回归分析	3	23.43156	7.810518	31.68321	2.52E-20
残差	6508	1604.347	0.246519
总计	6511	1627.778

	Coefficients	标准误差	t Stat	P-value	Lower 95%	Upper 95%	下限 95.0%	上限 95.0%
Intercept	0.40805	0.011882	34.34126	1.1E-237	0.384757	0.431344	0.384757	0.431344
X Variable 1	0.115797	0.039147	2.958019	0.003107	0.039056	0.192537	0.039056	0.192537
X Variable 2	0.163985	0.039448	4.156987	3.27E-05	0.086654	0.241316	0.086654	0.241316
X Variable 3	0.087144	0.038996	2.234676	0.025472	0.010699	0.16359	0.010699	0.16359

4个设备的组，统计回归相对高0.05个百分点的相关性，但是相关性依然较弱，第一个和第6个变量起到决定性影响，5个以上的设备存在高度正相关，但是因为数据量太少，

不认为具有统计学代表意义。

回归统计
Multiple R	0.171505
R Square	0.029414
Adjusted R Square	0.020577
标准误差	0.493803
观测值	666

方差分析
	df	SS	MS	F	Significance F
回归分析	6	4.869808	0.811635	3.32853	0.003088
残差	659	160.6918	0.243842
总计	665	165.5616

	Coefficients	标准误差	t Stat	P-value	Lower 95%	Upper 95%	下限 95.0%	上限 95.0%
Intercept	0.355842	0.071268	4.993029	7.62E-07	0.215903	0.495781	0.215903	0.495781
X Variable 1	0.209455	0.131209	1.596339	0.110893	-0.04818	0.467094	-0.04818	0.467094
X Variable 2	0.089427	0.136561	0.654849	0.512793	-0.17872	0.357575	-0.17872	0.357575
X Variable 3	0.09917	0.127629	0.777021	0.437425	-0.15144	0.349778	-0.15144	0.349778
X Variable 4	-0.10775	0.144002	-0.74823	0.454591	-0.3905	0.175012	-0.3905	0.175012
X Variable 5	-0.14237	0.121381	-1.17293	0.241249	-0.38071	0.095969	-0.38071	0.095969

方法3

没能获取用户更换设备的时间，分析业务逻辑，可以通过手机号登陆APP时候对应的版本号来间接代表更换设备的时间。成为自变量的X有：设备数，更换设备的次数，每2个设备更换的最大时间差，最小时间差，平均更换时间，更换设备时间差的标准差，累计更换时间，进行回归得到如下结果：设备累计更换时间和更换时间差的标准差成显著反比。

回归统计
Multiple R	0.154438366
R Square	0.023851209
Adjusted R Square	0.023259245
标准误差	0.492116372
观测值	9901

方差分析
	df	SS	MS	F	Significance F
回归分析	6	58.54663	9.757771812	40.29164794	9.68003E-49
残差	9894	2396.114	0.242178524
总计	9900	2454.661

	Coefficients	标准误差	t Stat	P-value	Lower 95%	Upper 95%	下限 95.0%	上限 95.0%
Intercept	0.448879765	0.032716	13.72029481	1.87579E-42	0.384748795	0.513010734	0.384749	0.513011
X Variable 1	0.054091353	0.010083	5.364858051	8.28418E-08	0.034327536	0.073855171	0.034328	0.073855
X Variable 2	-0.014132904	0.001316	-10.74041732	9.23172E-27	-0.016712261	-0.011553547	-0.01671	-0.01155
X Variable 3	0.000177389	3.03E-05	5.85593915	4.8943E-09	0.00011801	0.000236767	0.000118	0.000237
X Variable 4	1.01037E-08	1.25E-09	8.067239472	8.02511E-16	7.64868E-09	1.25587E-08	7.65E-09	1.26E-08
X Variable 5	-7.0701E-09	1.23E-09	-5.741173492	9.67925E-09	-9.48403E-09	-4.65616E-09	-9.5E-09	-4.7E-09
X Variable 6	-3.40952E-08	3.46E-09	-9.855884854	8.23224E-23	-4.08763E-08	-2.73141E-08	-4.1E-08	-2.7E-08

方法4

回归统计
Multiple R	0.211204
R Square	0.044607
Adjusted R Square	0.043425
标准误差	0.488799
观测值	8091

方差分析
	df	SS	MS	F	Significance F
回归分析	10	90.13552	9.013552	37.72553	3.87E-73
残差	8080	1930.51	0.238924
总计	8090	2020.645

	Coefficients	标准误差	t Stat	P-value	Lower 95%	Upper 95%	下限 95.0%	上限 95.0%
Intercept	0.824792	0.042672	19.32859	2.08E-81	0.741144	0.90844	0.741144	0.90844039
X Variable 1	0.000604	0.01188	0.050819	0.959471	-0.02269	0.023893	-0.02269	0.02389257
X Variable 2	-0.01201	0.001585	-7.57658	3.94E-14	-0.01512	-0.0089	-0.01512	-0.0089046
X Variable 3	0.000106	3.51E-05	3.01029	0.002618	3.68E-05	0.000174	3.68E-05	0.0001743
X Variable 4	1.11E-08	2.04E-09	5.45342	5.09E-08	7.12E-09	1.51E-08	7.12E-09	1.5115E-08
X Variable 5	-7.5E-09	1.78E-09	-4.239	2.27E-05	-1.1E-08	-4E-09	-1.1E-08	-4.05E-09
X Variable 6	4.7E-10	2.6E-09	0.181014	0.856361	-4.6E-09	5.56E-09	-4.6E-09	5.5622E-09
X Variable 7	-2.2E-08	4.59E-09	-4.85498	1.23E-06	-3.1E-08	-1.3E-08	-3.1E-08	-1.329E-08
X Variable 8	2.45E-11	1.14E-11	2.149089	0.031657	2.15E-12	4.68E-11	2.15E-12	4.68E-11
X Variable 9	-0.00266	0.000444	-5.99087	2.18E-09	-0.00353	-0.00179	-0.00353	-0.0017881
X Variable 10	-0.24645	0.02494	-9.88193	6.72E-23	-0.29534	-0.19757	-0.29534	-0.1975655

单个X对Y都有一定影响，现在将设备更换时间的频率、更换频率标准偏差、每个设备的平均更换周期、设备相同率几个维度组合成Xn变量回归，结果显示X对Y的总体复相关性已经有较大幅度增加，达到0.211204。

虽然这些变量对判定是否黑名单的决定性怡然较小，需要挖掘更多的用户特征进行丰富。

dc	dcs	abrankcount	maxtime	mintime	avgtime	stddevt	totaltime	interval	pc
3	3	3	3237421	-4064	2155571.333	1527094	6466714	13	0.457187
3	3	3	20561466	9930757	13707644	4854801	41122932	80	0.57037
3	3	3	18509989	-19642609	-755080	15578021	2265240	76	0.343496
3	3	3	-14023	-1893173	-1262115.333	882553.1	3786346	8	0.335878

方法5

回归统计
Multiple R	0.506696
R Square	0.256741
Adjusted R Square	0.256666
标准误差	0.429309
观测值	9901

方差分析
	df	SS	MS	F	Significance F
回归分析	1	630.2114	630.2114	3419.367	0
残差	9899	1824.45	0.184306
总计	9900	2454.661

	Coefficients	标准误差	t Stat	P-value	Lower 95%	Upper 95%	下限 95.0%	上限 95.0%
Intercept	0.760723	0.006787	112.093	0	0.74742	0.774026	0.74742	0.774026
X Variable 1	-0.19139	0.003273	-58.4754	0	-0.1978	-0.18497	-0.1978	-0.18497

求出每个手机更换的设备中是IOS的数量,回归出来的结果显示X单变量对Y的影响是显著正相关，达到0.506696

方法6

将以上所有变量加入，形成的特征如下：

ifblack	dc	dcs	abrankcount	maxtime	mintime	avgtime	stddevt	totaltime	interval	pc	deiosnum
1	3	3	3	3237421	-4064	2155571.333	1527094	6466714	13	0.457	2
0	3	3	3	20561466	9930757	13707644	4854801	41122932	80	0.57	2
1	3	3	3	18509989	-19642609	-755080	15578021	2265240	76	0.343	0
0	3	3	3	-14023	-1893173	-1262115.333	882553.1	3786346	8	0.336	1
1	3	3	3	-91956	-724724	-483149.3333	279151.3	1449448	3	0.944	1
1	3	3	3	412948	-845102	-288102.6667	523600.1	864308	4	0.344	0
0	3	3	3	5092634	1290609	3395089.333	1578617	10185268	20	0.335	1

回归分析相关复系数达到0.547115，较高的因果关系

回归统计
Multiple R	0.547115
R Square	0.299335
Adjusted R Square	0.298556
标准误差	0.417037
观测值	9901
方差分析
	df	SS	MS	F	Significance F
回归分析	11	734.7663	66.79693	384.067	0
残差	9889	1719.895	0.17392
总计	9900	2454.661		C
	Coefficients	标准误差	t Stat	P-value	Lower 95%	Upper 95%	下限 95.0%	上限 95.0%
Intercept	0.173297	0.033632	5.152794	2.62E-07	0.107372	0.239222	0.107372	0.239222
X Variable 1	0.190591	0.010059	18.94818	1.12E-78	0.170874	0.210307	0.170874	0.210307
X Variable 2	-0.00304	0.001233	-2.46576	0.013689	-0.00546	-0.00062	-0.00546	-0.00062
X Variable 3	1.19E-05	2.81E-05	0.423152	0.672194	-4.3E-05	6.7E-05	-4.3E-05	6.7E-05
X Variable 4	5.53E-09	1.51E-09	3.651315	0.000262	2.56E-09	8.49E-09	2.56E-09	8.49E-09
X Variable 5	-6.4E-09	1.32E-09	-4.80573	1.56E-06	-8.9E-09	-3.8E-09	-8.9E-09	-3.8E-09
X Variable 6	1.14E-09	1.92E-09	0.592423	0.553581	-2.6E-09	4.91E-09	-2.6E-09	4.91E-09
X Variable 7	-2.4E-08	3.39E-09	-7.09928	1.34E-12	-3.1E-08	-1.7E-08	-3.1E-08	-1.7E-08
X Variable 8	6.86E-12	8.73E-12	0.786271	0.431727	-1E-11	2.4E-11	-1E-11	2.4E-11
X Variable 9	0.000974	0.000332	2.938598	0.003305	0.000324	0.001624	0.000324	0.001624
X Variable 10	0.070007	0.013677	5.118475	3.14E-07	0.043197	0.096818	0.043197	0.096818
X Variable 11	-0.21499	0.003476	-61.8428	0	-0.22181	-0.20818	-0.22181	-0.20818