回归分析

Question

我目前正在做一个项目，我需要一些帮助。我想使用统计模型预测航班延误的长度。该数据集不包含航班延误的长度，但可以从实际和预定起飞时间计算，我知道实际起飞时间 - 预定起飞时间会给我作为因变量的航班延误。我正在努力以有用的形式获得解释性（独立）变量来进行回归分析 - 主要问题是当您从 csv 文件中读取表格时前两列的时间格式。我已将数据文件附加到问题中，因为我不太确定如何附加我的文件，我是这个编码的新手，呵呵。任何帮助将不胜感激。 xx

https://drive.google.com/file/d/11BXmJCB5UGEIRmVkM-yxPb_dHeD2CgXa/view?usp=sharing

编辑：

首先感谢大家的帮助

好的，我将尝试就这个主题提出更准确的问题：

所以在导入文件后使用：

1)

    Delays <- read.table("FlightDelaysSM.csv",header =T,sep=",") 

2）我遇到的主要问题是将列调度时间和深度时间转换为可以进行算术计算的格式

3）我尝试了以下

    Delays[,1] - Delays[,2] 

出现明显问题的地方，例如 800 (8am) - 756 (7.56am) = 44 而不是 4 分钟

4）在@kerry Jackson 的帮助下（谢谢，你太棒了 x）我试过了

    DepartureTime <- strptime(formatC(Delays$deptime, width = 4, format = "d", flag = "0", %H%M)

    ScheduleTime <- strptime(formatC(Delays$schedtime, width = 4, format = "d", flag = "0", %H%M)

    DelayTime = DepartureTime - ScheduleTime

这些值也以秒为单位，我希望以分钟为单位，我该怎么做？

5）然后我做了以下事情：

    DelayData <- data.frame(ScheduleTime, DepartureTime, DelayTime, Delays[, 4:7])

What I attain after making the DelayData

正如您在图像中看到的那样，我的列中有秒单位，称为 DelayTime，我不希望如 4) 所述，日期在 ScheduleTime 和 DepartureTime 列中，我能否就如何获得一些建议纠正这个？

Answer 1

创建一个名为flight_delay：

的新列

install.packages('tidyverse')
library(tidyverse)

your_data <- your_data %>%
  mutate(flight_delay=deptime-schedtime)

现在，创建一个线性回归模型，通过其他变量预测 flight_delay：

mod <- lm(flight_delay ~ ., data=your_data)

要优化您的模型，请使用step功能：

mod <- step(mod)

分析结果：

summary(mod)