物理器件长宽比例的数学模型(包含一元线性回归模型、SPSS软件、显著性检验、残差分析)解析.docVIP

物理器件长宽比例的数学模型 摘要 本文用测得的某物理器件16个长和宽的数据做回归分析，以长为自变量，宽为因变量，来建立两者之间的关系模型。并预测长为188cm的器件宽的值。 针对问题一，我先利用Excel软件绘制出了样本数据的散点图，接着对散点图进行分析。分析结果是其长和宽大致呈线性相关； 针对问题二，我建立了关于该物理器件长和宽的一元线性回归模型，通过SPSS软件得到了回归方程。并利用T统计量对回归系数的显著性进行检验，利用得到的可决系数R2和F统计量对模型的显著性进行检验；检验结果均显著； 针对问题三，我先利用残差分析来剔除样本中的异常数据，接着用SPSS软件对剔除异常点后的样本数据进行线性回归，得到了新的回归方程，并得到了相应的F检验结果与T检验结果，检验结果均显著； 针对问题四，我先利用第三问中得到的新回归方程预测了长为188cm器件的宽度为117.434cm。再用matlab软件对剔除异常点后的数据进行线性拟合，得到相应的拟合图形及拟合方程，并预测了长为188cm器件的宽度为117.4853cm。在误差允许的范围内这两个预测结果是相同的。 关键词 一元线性回归模型 SPSS软件 显著性检验 残差分析一、问题重述 测得某物理器件16个长和宽的数据（单位：厘米）如： 表1:某物理器件16个长和宽的数据 长 143 145 146 147 149 150 153 154 宽 88 85 88 91 92 93 93 95 长 155 156 157 158 159 160 162 164 宽 96 98 97 96 98 99 100 102 问题一：请绘制散点图，分析数据特点； 问题二：建立回归模型，并进行回归分析和检验； 问题三：改进模型，或者剔除异常数据，进行新的回归分析； 问题四：预测及作图，预测一个器件若长为188cm,则其宽应为多少。 问题分析 针对问题一：首先对于绘制散点图我们可以使用Excel软件完成，接着可以通过分析散点图的走势大致判断出这个物理器件长和宽之间的关系。 针对问题二：我们可以根据问题一中得到的长和宽之间的线性关系，可以建立关于该物理器件长和宽的一元线性回归模型。通过SPSS软件就可以解出这个回归模型，并且还可以得到该回归模型的T检验结果与F检验结果。 针对问题三：我们可以利用Excel软件对回归模型做残差分析，这样能够剔除样本中的异常数据。接下来就可以用SPSS软件对剩下的样本数据做一元线性回归。这样可以得到新的回归方程及相应的检验结果。 针对问题四：我们可以根据第三问中得到的新回归程来预测一个长为188cm器件的宽度值。并且还可以通过matlab软件对剔除异常的后的样本数据进行线性拟合，这样可以得到相应的线性拟合图与拟合方程，还可以预测长为188cm器件的宽度值。两个值如果在误差允许的范围内相同，那预测值就正确。 三、基本假设 （1）假设样本是在总体之中随机抽取出来的因变量在实直线上是连续的残差项是独立同分布的，也就是残差是且服从 : 物理器件的长度； : 物理器件的宽度； ：可决系数； ：回归方程中自变量的系数； ：回归方程中的常数项； ：对自变量系数进行显著性检验的t值； ：自由度为15，显著性水平为0.05的t值； ：拟合结果中的标准偏差； 五、模型的建立与求解 5.1绘制散点图，分析数据特点 某物理器件16个长和宽的数据如下表： 表2 某物理器件16个长和宽的数据 序号 1 2 3 4 5 6 7 8 长 143 145 146 147 149 150 153 154 宽 88 85 88 91 92 93 93 95 序号 9 10 11 12 13 14 15 16 长 155 156 157 158 159 160 162 164 宽 96 98 97 96 98 99 100 102 ①相关性分析[1] 首先对这两组长和宽的数据进行相关性分析，SPSS结果输出如下所示： 表3 物理器件16个长和宽的数据的相关系数 我们从上述结果中可以得到这两组数据的相关系数等于0.963，这是一个很趋近1.000的值，因此我们可以得出这两组数据具有很高的相关性。 ②散点图 接下来用散点图对这两组数据进行研究，以长为横坐标值，宽为纵坐标值，用Excle画出散点图的结果如下： 图1 物理器件16个长和宽的数据的散点图 从散点图中我们可以看出这两组数据呈现同增同减的线性趋势。 5.2 回归模型的建立以及模型的分析与检验 ①模型的建立 对第一问中的散点图添加上线性趋势线的结果如下图所示： 图2 加上线性趋势线的散点图 从