数学建模第次作业.docVIP

1?数据链接 1.1?数据简介 数据集包含31个省市自治区的数据，包含 省市名称， 投入人年数， 投入高级职称的人年数， 投入科研事业费（百元）， 课题总数， 专著数， 论文数， 获奖数，8个变量 2?回归分析 以?论文数?为响应变量，以?投入人年数，投入高级职称的人年 数, 投入科研事业费（百元），课题总数?为解释变量，进行回归分析 采用逐步回归法，剔除无关的解释变量 得经验方程为??????255.739+0.121*投入人年数+4.771*投入高级职称人年数—0.017*投入科研事业费 对最后所得的系数进行分析，系数的估计，t统计量的值 t=0.889 0.172 3.021 -2.835 对模型的有效性进行分析 F统计量的值???125.487 , 自由度为???1????? ，p值为 0.8 ，模型是否有效 有效 。 GET DATA /TYPE=XLS /FILE=E:\keyan.xls /SHEET=name keyan /CELLRANGE=full /READNAMES=on /ASSUMEDSTRWIDTH=32767. DATASET NAME 数据集1 WINDOW=FRONT. REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT 论文数 /METHOD=STEPWISE 投入人年数 投入高级职称人年数 投入科研事业费 课题总数. 回归 [数据集1] 输入／移去的变量a 模型 输入的变量 移去的变量 方法 1 投入高级职称人年数 . 步进（准则: F-to-enter 的概率 = .050，F-to-remove 的概率 = .100）。 2 投入科研事业费 . 步进（准则: F-to-enter 的概率 = .050，F-to-remove 的概率 = .100）。 a. 因变量: 论文数 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .953a .909 .906 1019.7359 2 .966b .933 .928 890.4872 a. 预测变量: (常量), 投入高级职称人年数。 b. 预测变量: (常量), 投入高级职称人年数, 投入科研事业费。 Anovac 模型 平方和 df 均方 F Sig. 1 回归 3.013E8 1 3.013E8 289.715 .000a 残差 3.016E7 29 1039861.334 总计 3.314E8 30 2 回归 3.092E8 2 1.546E8 194.974 .000b 残差 2.220E7 28 792967.467 总计 3.314E8 30 a. 预测变量: (常量), 投入高级职称人年数。 b. 预测变量: (常量), 投入高级职称人年数, 投入科研事业费。 c. 因变量: 论文数 系数a 模型 非标准化系数 标准系数 t Sig. B 的 95.0% 置信区间 B 标准 误差 试用版 下限 上限 1 (常量) 589.283 295.217 1.996 .055 -14.502 1193.069 投入高级职称人年数 3.808 .224 .953 17.021 .000 3.350 4.265 2 (常量) 265.177 277.370 .956 .347 -302.990 833.343 投入高级职称人年数 5.031 .433 1.260 11.620 .000 4.144 5.918 投入科研事业费 -.017 .005 -.343 -3.167 .004 -.028 -.006 a. 因变量: 论文数 已排除的变量c 模型 Beta In t Sig. 偏相关 共线性统计量 容差 1 投入人年数 .416a 1.156 .257 .213 .024 投入科研事业费 -.343a -3.167 .004 -.514 .204 课题总数 -.128a -.747 .461 -.140 .108 2 投入人年数 .059b .172 .865 .033 .021 课题总数 -.070b -.457 .651 -.088 .106 a. 模型中的预测变量: (常量), 投入高级职称人年数。 b. 模型中的预测变量: (常量), 投入高级职称人年数, 投入科研事业费。 c. 因变量: 论文数 残差统计量a 极小值 极大值 均值 标准 偏差 N 预测值 -88.5326 13310.3672 4530.2581 3210.48280 31 残