应用回归分析作业例题.docVIP

数093 刘海婷 200911503025 第一题 1.输入变量、数据后，运用spss软件分析得表 相关性 货运总量y 工业总产值x1 农业总产值x2 居民非商品支出x3 Pearson 相关性 货运总量y 1.000 .556 .731 .724 工业总产值x1 .556 1.000 .113 .398 农业总产值x2 .731 .113 1.000 .547 居民非商品支出x3 .724 .398 .547 1.000 Sig. （单侧） 货运总量y . .048 .008 .009 工业总产值x1 .048 . .378 .127 农业总产值x2 .008 .378 . .051 居民非商品支出x3 .009 .127 .051 . N 货运总量y 10 10 10 10 工业总产值x1 10 10 10 10 农业总产值x2 10 10 10 10 居民非商品支出x3 10 10 10 10 得y关于x1,x2,x3的相关系数矩阵 2. y关于x1,x2,x3的三元线性回归方程可根据下表得 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) -348.280 176.459 -1.974 .096 工业总产值x1 3.754 1.933 .385 1.942 .100 农业总产值x2 7.101 2.880 .535 2.465 .049 居民非商品支出x3 12.447 10.569 .277 1.178 .284 a. 因变量: 货运总量y y=-384.280+3.754x1+7.101x2+12.447x3 3. 对所求方程做拟合优度检验 根据表 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .898a .806 .708 23.44188 a. 预测变量: (常量), 居民非商品支出x3, 工业总产值x1, 农业总产值x2。 R^2=0.806 比较接近1，拟合优度较好 4. 对回归方程做显著性检验 根据表 Anovab 模型 平方和 df 均方 F Sig. 1 回归 13655.370 3 4551.790 8.283 .015a 残差 3297.130 6 549.522 总计 16952.500 9 a. 预测变量: (常量), 居民非商品支出x3, 工业总产值x1, 农业总产值x2。 b. 因变量: 货运总量y （3，6）=4.76＜8.283，回归方程效果显著，拒绝假设。 5.对每一个回归系数做显著性检验 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) -348.280 176.459 -1.974 .096 工业总产值x1 3.754 1.933 .385 1.942 .100 农业总产值x2 7.101 2.880 .535 2.465 .049 居民非商品支出x3 12.447 10.569 .277 1.178 .284 a. 因变量: 货运总量y x1的t-检验值为1.942，x2的t-检验值为2.465，x3的t-检验值为1.178, (6)=1.943＜2.465 故x3未通过显著性检验 6.由上题知x3未通过显著性检验，剔除x3重新建立回归方程，再做回归方程的显著性检验： Anovab 模型 平方和 df 均方 F Sig. 1 回归 12893.199 2 6446.600 11.117 .007a 残差 4059.301 7 579.900 总计 16952.500 9 a. 预测变量: (常量), 农业总产值x2, 工业总产值x1。 b. 因变量: 货运总量y F=11.117＞4.76 故回归方程显著 回归系数的显著性检验： 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) -459.624 153.058 -3.003 .020 工业总产值x1 4.676 1.816 .479 2.575 .037 农业总产值x2 8.971 2.468 .676 3.634 .008 a. 因变量: 货运总量y t-检验值都大于=1.943 故回归系数显著 7．每个系数的置信水平为95%的置信区间可根据下表知： 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) -348.280 176.459