回归分析、时间序列与统计指数.docVIP

回归分析、时间序列及统计指数 练习题（请每位同学在将第1-10题中根据自己的学号选择题目，学号为奇数的选择奇数题号题，学号为偶数的选择偶数题号题，前面1-2题所有的原始数据（包括自变量和因变量）加上自己班号和学号的最后两位数字作为自己的分析数据，后面3-10只需在因变量上加上自己学号的最后两位数字作为自己的分析数据，下课前请上交每人所作的的内容（每人一份，命名为各自的学号和姓名）） 1.一家物流公司的管理人员想研究货物的运输距离和运输时间的关系，为此，他抽出了公司中最近10个卡车运货记录的随机样本，得到运送距离（单位：km）和运送时间（单位：天）的数据见Book8.5。 绘制运送距离和运送时间的散点图，判断二者之间的关系形态。 计算线性相关系数，说明两个变量之间的关系强度。 利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。 计算判定系数，并解释其意义。 检验回归方程线性关系的显著性（） 如果运送距离为2000km，预测运送时间。 运送距离x 运送时间y 825 3.5 215 1 1070 4 550 2 480 1 920 3 1350 4.5 325 1.5 670 3 1215 5 答：（1）呈线性相关的关系形态 （2）线性相关系数R= 　 列 1 列 2 列 1 1 列 2 0.948943 1 （3） y=0.0036x+202.39 R=0.9005 （4）系数为R=0.948943. 实际意义：在运送距离取值的变差中，有94.8943%的误差可以由运送距离与运送时间之间的线性关系来解释。 （5） SUMMARY OUTPUT 回归统计 Multiple R 0.948943 R Square 0.900492 Adjusted R Square 0.888054 标准误差 0.480023 观测值 10 方差分析 　 df SS MS F Significance F 回归分析 1 16.68162 16.68162 72.39585 2.79E-05 残差 8 1.843379 0.230422 总计 9 18.525 　 　 　 　 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 0.118129 0.355148 0.33262 0.74797 -0.70084 0.937101 -0.70084 0.937101 X Variable 1 0.003585 0.000421 8.508575 2.79E-05 0.002613 0.004557 0.002613 0.004557 （6）y=0.0036x+202.39 当x=2000km y=0.0036*2000+202.39=209.59(天) 3.下表是1981年～2000年我国油菜籽单位面积产量数据（单位：kg/hm2）。 年份 单位面积产量 年份 单位面积产量 1981 1451 1991 1215 1982 1372 1992 1281 1983 1168 1993 1309 1984 1232 1994 1296 1985 1245 1995 1416 1986 1200 1996 1367 1987 1260 1997 1479 1988 1020 1998 1272 1989 1095 1999 1469 1990 1260 2000 1519 和预测2001年的单位面积产量，分析预测误差，说明用哪一个平滑系数预测更合适？ 答：（1） （2） （3）0.3时， 1451 1427.3 1349.51 1314.257 170.5736 1293.48 169.1564 1265.436 95.47011 1263.805 67.24228 1190.664 150.7857 1161.965 151.2416 1191.375 161.4553 1198.463 80.25088 1223.224 75.23631 1248.957 70.06688 1263.07 73.89868 1308.949 1