多元统计课后题.docVIP

多元统计分析课后题 第四章 回归分析 1、设河流的一个断面的年径流量为y，该断面的上游流域的年平均降水量为x1，年平均饱和差为x2，现共有14年的观测记录： 时间 x1 x2 y 时间 x1 x2 y 1 720 1.80 290 8 579 2.22 151 2 553 2.67 135 9 515 2.41 131 3 575 1.75 234 10 576 3.03 106 4 548 2.07 182 11 547 1.83 200 5 572 2.49 145 12 568 1.90 224 6 453 3.59 69 13 720 1.98 271 7 540 1.88 205 14 700 2.90 130 （1）试求y关于x1、x2的二元线性回归方程; （2）对回归方程和每一个回归系数的显著性做检验; （3）求出每一个回归系数的置信水平为0.95的置信区间; （4）求出回归方程的复相关系数; （5）设某年x1=600，x2=2.50，求E(y)的点估计及置信水平为0.95的置信区间。 解： 利用以上数据表拟合线性回归模型 点选SPSS视窗中的分析回归分析线性…，再将y选入因变量的方框中，同时将x1和x2选入自变量的方框中，再在“统计”中选择估计、模型拟合、R平方变化、描述、部分和偏相关、Durbin-Watson选项，最后点击“OK”按钮即可作线性回归分析，输出结果如下： Regression 变量的样本均值和标准差： 变量间的简单相关系数： 这里给出了回归方程的样本决定系数和P值以及DW值： 下面的框图是方差分析表，从中可以看出，y关于x1和x2的线性回归方程通过了显著性检验，均方残差为554.963，F统计量值为42.155，P值为0.000，回归方程在0.000的统计意义上是显著的。 上面的框图给出了非标准化和标准化的回归方程，以及回归系数的t统计量检验结果。从中我们可以看出，非标准化的回归方程为： （1） （2）回归系数、均通过了显著性检验。因为它们的P值均小于0.05。可以认为自变量x1和x2对因变量y均有显著影响。 （3）从表Coefficients a 中可以看出回归系数的置信区间为[0.096,0.488]，的置信区间为[-115.034,-60.261]。 （4）回归方程的复相关系数即为R2 =0.885。 （5）y=209.875+0.292*600-87.647*2.5166。 将x1,x2及y的值输入到数据表中，再进行回归分析，点选SPSS视窗中的分析回归分析线性…，弹出线性回归分析主对话框，将y选入因变量，x1与x2选入自变量，在方法的下拉列表中选择Enter，然后点击统计按钮，弹出统计选项对话框，在描述选项前勾选，点击继续回到主对话框界面，点击确定。 线性回归分析主对话框 线性回归分析的统计选项 从上面的表中可以得到置信水平为95%的置信区间分别为[0.107，0.477]和[-113.448，-61.846]。 2、下表为某地区18年来某种消费品销售情况数据。 （1）、试用R2a、Cp和AIC准则，确定最优回归模型。 （2）、用前进法、后退法和逐步回归法建立模型，并对三种方法所给出的模型做出评价。 y为消费品的销售额（百万元）；x1为居民可支配收入（元）； x2为该类消费品的价格指数（%）；x4为其他消费品平均价格指数（%）。 y X1 X2 X3 7.8 81.2 85.0 87.0 8.4 82.9 92.0 94.0 8.7 83.2 91.5 95.0 9.0 85.9 92.9 95.5 9.6 88.0 93.0 96.0 10.3 99.0 96.0 97.0 10.6 102.0 95.0 97.5 10.9 105.3 95.6 98.0 11.3 117.7 98.9 101.2 12.3 126.4 101.5 102.5 13.5 131.2 102.0 104.0 14.2 148.0 105.0 105.9 14.9 153.0 106.0 109.5 15.9 161.0 109.0 111.0 18.5 170.0 112.0 19.5 174.0 112.5 112.0 19.9 185.0 113.0 112.3 20.5 189.0 114.0 113.0 解： （1）、前进法建立模型 输入／移去的变量a 模型 输入的变量 移去的变量 方法 1 VAR00003 . 向前（准则: F-to-enter 的概率 = .050） a. 因变量: VAR0