大连海事大学现代优化技术作业 多元线性回归终版.docxVIP

作业2：多元线性回归模型分析陈鑫1120131233 交通运输工程1 问题描述表1是各地区喜欢某品牌牙膏的百分比、人均年收入与教育指数的数据表，本文将建立人均年收入、教育指数与喜欢该品牌牙膏的百分比的多元线性回归模型。表1 各项数据地区喜欢该品牌牙膏的百分比（Y）人均年收入（）教育指数（）161.666.3253.24.45.5365.59.13.6464.98.15.8572.79.76.8652.24.87.9750.27.64.28444.46953.89.12.81053.56.76.7数据来源：课后习题2 散点图分析将表1中人均年收入自变量，教育指数设为，喜欢该品牌牙膏的百分比设为因变量，建立、和Y的相关图。图1、2分别是、的散点图。根据散点图可以看出，和Y具有一定的线性关系，与Y也具有一定的线性关系。可以建立多元线性回归模型。图1 与Y的散点图图2 与Y的散点图3估计线性回归模型可以在EViews主窗口中点击Quick\Estimate Equation，在弹出的方程设定框（见图3）内输入模型：Y C X1 X2或Y = C(1) + C(2) *X1+C(3)*X2图3模型输入图图4参数估计结果图系统将弹出一个窗口来显示有关估计结果（如图4所示）。因此，函数的估计式为：4参数检验标准误差SE=5.66572. 可决系数R2=0.66824；修正可决系数为adjust R2=0.573430；说明上式的拟合一般。3. 多重共线性检验从主菜单中选Quick/Group Statistic/Corrections，在出现的对话框中输入所有需要计算相关系数的变量，各个变量名之间以空格间隔，输入Y X1 X2，点击OD得出下列相关系数表，如图6。图6 相关系数图由图中可知，-0.4967694．回归系数显著性检验；；因此，回归系数b1显著。；因此，回归系数b2显著。5. F检验F=7.049，因此方程通过F检验。5残差图在方程估计窗口点击工具条上的Resids键，可以显示方程回归的残差图，如图4。包括样本区间内的真实值序列曲线、拟合值序列曲线和残差序列曲线。其中Actual表示被解释变量的实际观测值，Fitted表示被解释变量的拟合值，Residual表示残差。残差图的中的虚线与中心线的距离表示残差的一个标准差，即S.E.。真实值序列曲线、拟合值序列曲线的纵坐标在图形的右侧纵轴上，残差序列的曲线的纵坐标标注在左侧纵轴上，显然，残差在零轴附近波动。6预测预测是我们建立预测模型的目的之一，其操作如下：进入方程估计输出窗口，点击其工具栏中的Forecast打开对话框（图5），输入序列名（Forecast name），这名称通常与方程中被解释变量的名字不同，这样就不会混淆实际值和预测值；作为可选项，可给预测标准差随意命名[S.E(optional)]，命名后，指定的序列将存储于工作文件中；用户可以根据需要选择预测区间（sample range for forecast）；用Output可选择用图形或数值来看预测值，或两者都用以及预测评价指标（平均绝对误差等）。将对话框的内容输入完毕，点击OK得到用户命名的预测值序列，如图6。、图5 预测