Lineaire regressiemodel
Maak een voorspellingsmodel die Winst voorspelt op basis van UrenProject
attach(Projecten2)
## The following object is masked from CDNOW.df:
##
## Maand
## The following objects are masked from Projecten:
##
## AfstandKlant, OpbrengstProject, TevredenheidKlant,
## UrenProject, Winst
## The following objects are masked from Projecten2 (pos = 6):
##
## AfstandKlant, Maand, MateriaalKosten, Nummer,
## OpbrengstProject, PersoneelsKosten, TevredenheidKlant,
## Type.Project, UrenProject, Werkgroep, Winst
model1 <- lm(Winst ~ UrenProject, Projecten2)
Onderzoek in welke maand over het algemeen de minste Winst wordt gemaakt (los van het feit hoe betrouwbaar het model is)
model2 <- lm(Winst ~ Maand, Projecten2)
summary(model2)
##
## Call:
## lm(formula = Winst ~ Maand, data = Projecten2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5647.1 -1361.6 14.9 1703.1 4881.9
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4227.44 804.31 5.256 1.02e-06 ***
## Maandaugustus -1099.32 1172.48 -0.938 0.3510
## Maanddecember -956.32 1172.48 -0.816 0.4169
## Maandfebruari -44.56 1137.47 -0.039 0.9688
## Maandjanuari -1239.56 1137.47 -1.090 0.2788
## Maandjuli -857.57 1172.48 -0.731 0.4665
## Maandjuni -1167.94 1172.48 -0.996 0.3219
## Maandmaart -1617.89 1137.47 -1.422 0.1585
## Maandmei 19.18 1172.48 0.016 0.9870
## Maandnovember -876.57 1172.48 -0.748 0.4567
## Maandoktober -243.19 1172.48 -0.207 0.8362
## Maandseptember -2115.07 1172.48 -1.804 0.0747 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2413 on 88 degrees of freedom
## Multiple R-squared: 0.07611, Adjusted R-squared: -0.03938
## F-statistic: 0.659 on 11 and 88 DF, p-value: 0.773