多元线性回归模型案例R

好的，下面我列举一个多元线性回归模型案例，并使用 R 语言来实现。

案例背景：某电商平台想要预测顾客的购买金额，平台收集了以下数据：

- 购买金额（y）：单位为元；
- 广告费用（x1）：单位为元；
- 促销费用（x2）：单位为元；
- 顾客年龄（x3）：单位为岁；
- 顾客性别（x4）：0表示女性，1表示男性；
- 顾客职业（x5）：0表示学生，1表示上班族，2表示自由职业。

下面是 R 代码实现：

# 导入数据
data <- read.csv("data.csv")
head(data)

# 拆分数据集为训练集和测试集
set.seed(123)
train_index <- sample(nrow(data), 0.7 * nrow(data))
train <- data[train_index, ]
test <- data[-train_index, ]

# 构建多元线性回归模型
model <- lm(y ~ x1 + x2 + x3 + x4 + x5, data = train)
summary(model)

# 预测测试集
predicted <- predict(model, newdata = test)

# 计算模型误差
rmse <- sqrt(mean((predicted - test$y)^2))
rmse

以上代码中，我们首先导入数据，然后将数据集拆分为训练集和测试集。接着，我们使用 `lm()` 函数构建多元线性回归模型，并使用 `summary()` 函数查看模型的统计信息。接着，我们使用 `predict()` 函数对测试集进行预测，并计算模型的误差（使用均方根误差）。

当然，以上代码中的数据集和变量名只是示例，实际应用中需要根据具体情况进行修改。