250527

# 회귀분석의 목적
# 예측: 독립변수를 기반으로 종속변수 값을 예측(광고비에 따른 매출 예측)
# 관계 분석 : 변수간 관계의 강도와 방향 파악.
# 모델링 : 데이터의 패턴을 수학적으로 표현.
# 다중선형회귀 : 여러 독립변수가 종속변수에 미치는 영향을 분석.

library(ggplot2)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

data(mtcars)
head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

model <- lm(mpg ~ hp, data = mtcars)
summary(model)

## 
## Call:
## lm(formula = mpg ~ hp, data = mtcars)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -5.7121 -2.1122 -0.8854  1.5819  8.2360 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 30.09886    1.63392  18.421  < 2e-16 ***
## hp          -0.06823    0.01012  -6.742 1.79e-07 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.863 on 30 degrees of freedom
## Multiple R-squared:  0.6024, Adjusted R-squared:  0.5892 
## F-statistic: 45.46 on 1 and 30 DF,  p-value: 1.788e-07

# 산점도와 회귀선 시각화
ggplot(mtcars, aes(x = hp, y = mpg)) +
  geom_point() +  # 산점도
  geom_smooth(method = "lm", se = TRUE) +  # 회귀선과 신뢰구간
  theme_minimal() +
  labs(title = "MPG vs Horsepower", x = "Horsepower", y = "Miles per Gallon")

## `geom_smooth()` using formula = 'y ~ x'

# 새로운 데이터로 예측
new_data <- data.frame(hp = c(100, 150, 200))
predict(model, newdata = new_data)

##        1        2        3 
## 23.27603 19.86462 16.45320

# 다중 선형 회귀