当前位置: 首页 > 后端技术 > Node.js

ECNP003政策

时间:2023-04-03 21:14:43 Node.js

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