ECNP003PolicyBriefAssignment由DannyCampbell设置2019年2月7日你参与了一个社区组织，你想建议地方当局他们应该把重点放在哪些本地服务上。您已获得一个数据集，其中包含上一年发生的本地区域中的所有房屋销售。该数据集包含房价，以及一些房屋特征、街区特征和房屋所在的环境条件。自变量是：house_id房屋ID号x_coordxcoordinatey_coordycoordinatenum_bedshousegarage指示变量中的卧室数量，表示房屋是否有车库（1=是）house_type房屋类型（1=一层；2=两层;3=三层）房屋所在的位置（1=市中心；2=郊区；3=农村）local_crime指示变量，表示该地区的犯罪率是否高于全国平均水平（1=高犯罪率）local_schoolsi指标变量表示该地区是否有高于全国平均水平的学校（1=好学校）local_health指标变量表示该地区是否有高于全国平均水平的医疗保健（1=良好的医疗保健）dist_recreationpark到最近的户外休闲公园的距离（以公里为单位）average_airqual平均值一年中空气质量较差的天数windturbine_visible指示变量，表示风力涡轮机是否从houseflood_risk洪水风险分类中可见（1=洪水低风险；2=中等风险；3=高风险）你们每个人都有不同的依赖多变的。您可以一起工作，但请注意您的模型结果会有所不同。您应该使用的因变量（以为单位的房价）在您的姓名后面标明。您必须使用指定的因变量。此任务的目的是确定影响房价的因素。虽然数据是假设的，但它仍然应该给你估计p练习，重要的是，有机会解释输出。假设数据是真实的，你的任务是：描述和探索数据。对数据进行回归分析以确定影响房价的因素。解释回归模型结果并确定你设定的假设是否得到证实或拒绝。描述（政策）结果的影响。将结果用于情景预测（即，如果...问题会怎样）。将您的发现写在政策简介中（最多四页，包括所有内容）。您将根据表现如何进行评估上述任务已完成。1注意：请记住，您是代表当地组织进行此分析和政策简报。所以你应该对从这个角度探索和讨论结果特别感兴趣。提供理由并在摘要中讨论它们。在摘要中，包括图形、绘图、图表等。如果需要的话。探索转换并重新编码一些变量（这是必要的）。包括/排除一些变量以评估它们在解释房价方面的相对重要性。最重要的是，坚持KISS（保持简单愚蠢）原则。不要让事情变得比他们必须的更复杂，尤其是当你觉得自己不在自己的舒适区时！还应提交带有你的估计结果的技术附录。截止日期为2019年3月21日。你们每个人将使用不同的因变量。所有自变量都是相同的。MaureenClezy使用hp1ChristineKinnon使用hp2JiabinLuo使用hp3HenryMumba使用hp4ChristophRouhana使用hp5ChristopherSweeney使用hp6TheaTofthagen使用hp7你们中的一些人说你们会热衷于在R中尝试这样做。在这里我将给出一个demonstration.FirstthingyouneedtodoisreadthedataintoR.最简单的方法是按照以下步骤操作：将数据文件复制并粘贴到您选择的文件夹中打开Rstudio，然后启动一个新的RScript:File->NewFile->RScriptSavethisRScriptinthesamefolderwhereyoupastedthedatafileNext,settheworkingdirectory:Session->SetWorkingDirectory->ToSourceFileLocation运行以下代码行：houseprice。data<-read.csv("data.csv")attach(houseprice.data)数据应该已经读入，可以在R中分析了。我会根据因变量（hp0）进行演示。WX：codehelp
