统计学线性回归分析作业.docVIP

白杨树重量与其直径、高度、生长地点的相关指标数据表 散点图 白杨树重量与地点的散点图相关性很弱。 白杨树重量与高度的散点图相关性较强，为正相关。 白杨树重量与直径的散点图相关性很强，为正相关。 检验（统计-回归-回归） 回归分析: 重量 与 直径, 高度, 地点 回归方程为：重量 = - 0.185 + 0.513 直径 - 0.210 高度 + 0.0019 地点 自变量 系数 系数标准误 T P 常量 -0.18477 0.07859 -2.35 0.043 直径 0.51276 0.04428 11.58 0.000 高度 -0.21012 0.04172 -5.04 0.001 地点 0.00193 0.02861 0.07 0.948 S = 0.0469198 R-Sq = 98.9% R-Sq（调整） = 98.6% 方差分析 来源 自由度 SS MS F P 回归 3 1.85328 0.61776 280.61 0.000 残差误差 9 0.01981 0.00220 合计 12 1.87309 来源 自由度 Seq SS 直径 1 1.78807 高度 1 0.06520 地点 1 0.00001 异常观测值 拟合值 标准化 观测值 直径 重量 拟合值 标准误 残差 残差 2 2.12 0.1500 0.2423 0.0224 -0.0923 -2.24R R 表示此观测值含有大的标准化残差 因地点的P值大于0.05，无法通过回归方程检验，故剔除自变量“地点”。 回归分析: 重量 与 直径, 高度 回归方程为：重量 = - 0.181 + 0.514 直径 - 0.211 高度 自变量 系数 系数标准误 T P 常量 -0.18114 0.05432 -3.33 0.008 直径 0.51395 0.03851 13.35 0.000 高度 -0.21116 0.03682 -5.74 0.000 S = 0.0445233 R-Sq = 98.9% R-Sq（调整） = 98.7% 方差分析 来源 自由度 SS MS F P 回归 2 1.85327 0.92663 467.45 0.000 残差误差 10 0.01982 0.00198 合计 12 1.87309 来源 自由度 Seq SS 直径 1 1.78807 高度 1 0.06520 异常观测值 拟合值 标准化 观测值 直径 重量 拟合值 标准误 残差 残差 2 2.12 0.1500 0.2433 0.0162 -0.0933 -2.25R R 表示此观测值含有大的标准化残差 拟合优度检验： 由于R-Sq（调整） = 98.7%，故数据之间拟合度很好，通过检验。 回归系数显著性检验（T检验）： 根据 回归分析: 重量 与 直径, 高度, 地点 由直径的P值=0.000（P0.05即可通过检验），拒绝原假设，白杨树重量与直径之间存在线性关系。 由高度的P值=0.001，拒绝原假设，白杨树重量与高度之间存在线性关系。 由地点的P值=0.948，接受原假设，白杨树重量与生长地点间不存在线性关系。 所以剔除变量地点，再 回归分析： 重量 与 直径, 高度 由直径的P值=0.000，拒绝原假设，白杨树重量与直径之间存在线性关系。 由高度的P值=0.000，拒绝原假设，白杨树重量与高度之间存在线性关系。 回归方程显著性检验（F检验）： P=0.000（P0.05即可通过检验），故拒绝原假设，方程通过检验。 多重共线性检验： 回归分析: 直径 与 高度 回归方程为：直径 = - 0.917 + 0.923 高度 自变量 系数 系数标准误 T P 常量 -0.9173