Question

我目前正在一个项目上，需要一些帮助。我想使用统计模型预测航班延误的时长。该数据集不包含航班延误的时间长度，但是可以根据实际和计划的起飞时间进行计算，我知道实际的起飞时间-计划的起飞时间会给我带来作为因变量的航班延迟。我正在努力以有用的形式获取解释性（独立）变量以进行回归分析-主要问题是从csv文件中读取表时前两列的时间格式。我已经将数据文件附加到该问题上，因为我不太确定如何附加我的文件，我对这种编码方式还是陌生的。任何帮助将不胜感激。 xx

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

编辑：

首先感谢您的所有帮助

好的，我将尝试就该主题提出更精确的问题：

因此，使用以下命令导入文件后：

1）

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

2）我遇到的主要问题是将列计划时间和deptime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）我曾尝试过@kerry Jackson的帮助（谢谢您，您太棒了x）

    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

还给出了以秒为单位的值，我希望差异以分钟为单位，我将如何去做呢？

5）然后，我执行以下操作：

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

What I attain after making the DelayData

从图像中可以看到，我在名为DelayTime的列中有秒单位，如我在4）中所述，我不想这样做，而日期在ScheduleTime和DepartureTime列中，我可能会得到一些建议纠正这个问题？

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，以每个其他变量预测flight_delay：

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

要优化模型，请使用step函数：

mod <- step(mod)

分析结果：

summary(mod)

回归分析

1 个答案: