第11章 相关析与回归分析.docVIP

11.5 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 的数据如下： 运送距离x 825 215 1 070 550 480 920 1 350 325 670 1 215 运送时间y 3.5 1.0 4.0 2.0 1.0 3.0 4.5 1.5 3.0 5.0 要求： 1 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： 2 计算线性相关系数，说明两个变量之间的关系强度。 3 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。 解：（1） __ 可能存在线性关系。 （2） 相关性 x运送距离（km） y运送时间（天） x运送距离（km） Pearson 相关性 1 .949 ** 显著性（双侧） 　 0.000 N 10 10 y运送时间（天） Pearson 相关性 .949 ** 1 显著性（双侧） 0.000 N 10 10 **. 在 .01 水平（双侧）上显著相关。 系数 a 模型 非标准化系数 标准化系数 t 显著性 B 标准误 Beta 1 （常量） 0.118 0.355 　 0.333 0.748 x运送距离（km） 0.004 0.000 0.949 8.509 0.000 a. 因变量: y运送时间（天） 地区 人均GDP 元 人均消费水平 元 北京 辽宁 上海 江西 河南 贵州 陕西 22 460 11 226 34 547 4 851 5 444 2 662 4 549 7 326 4 490 11 546 2 396 2 208 1 608 2 035 要求： 1 人均GDP作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。 2 计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。 3 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。 4 计算判定系数，并解释其意义。 5 检验回归方程线性关系的显著性 a 0.05 。 6 如果某地区的人均GDP为5 000元，预测其人均消费水平。 7 求人均GDP为5 000元时，人均消费水平95％的置信区间和预测区间。 解：（1） __ 可能存在线性关系。 （2）相关系数： 相关性 人均GDP（元） 人均消费水平（元） 人均GDP（元） Pearson 相关性 1 .998 ** 显著性（双侧） 　 0.000 N 7 7 人均消费水平（元） Pearson 相关性 .998 ** 1 显著性（双侧） 0.000 N 7 7 **. 在 .01 水平（双侧）上显著相关。 系数 a 模型 非标准化系数 标准化系数 t 显著性 B 标准误 Beta 1 （常量） 734.693 139.540 　 5.265 0.003 人均GDP（元） 0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元） 模型摘要 模型 R R 方 调整的 R 方 估计的标准差 1 .998 a 0.996 0.996 247.303 a. 预测变量: 常量 , 人均GDP（元）。 ANOVA b 模型 平方和 df 均方 F 显著性 1 回归 81,444,968.680 1 81,444,968.680 1,331.692 .000 a 残差 305,795.034 5 61,159.007 合计 81,750,763.714 6 a. 预测变量: 常量 , 人均GDP（元）。 b. 因变量: 人均消费水平（元） 系数 a 模型 非标准化系数 标准化系数 t 显著性 B 标准误 Beta 1 （常量） 734.693 139.540 　 5.265 0.003 人均GDP（元） 0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元） 2278.10657元。 （7） 人均GDP为5 000元时，人均消费水平95％的置信区间为[1990.74915，2565.46399]，预测区间为[1580.46315，2975.74999]。 11.9 某汽车生产商欲了解广告费用 x 对销售量 y 的影响，收集了过去12年的有关数据。通过计算得到下面的有关结果： 方差分析表 变差来源 df SS MS F SignificanceF 回归 1 1602708.6 1602708.6 399.1000065 2.17E—09