应用回归解析实验报告.docVIP

一元线性回归 一、实验题目1 一家保险公司十分关心其总公司营业部加班的程度，决定认真调查一下现状。经过10周的时间，收集了每周加班时间的数据和签发的新保单数目，x为每周签发的新报数目，y为每周加班时间（小时），数据见下表： 二、实验内容 散点图如下所示： [数据集1] 描述性统计量均值标准 偏差Ny2.8501.434710x762.00379.74610 相关性yxPearson 相关性y1.000.949x.9491.000Sig. （单侧）y..000x.000.Ny1010x1010 输入／移去的变量b模型输入的变量移去的变量方法1xa.输入a. 已输入所有请求的变量。b. 因变量: y 模型汇总b模型RR 方调整 R 方标准 估计的误差更改统计量R 方更改F 更改df1df2Sig. F 更改1.949a.900.888.4800.90072.39618.000a. 预测变量: (常量), x。b. 因变量: y Anovab模型平方和df均方FSig.1回归16.682116.68272.396.000a残差1.8438.230总计18.5259a. 预测变量: (常量), x。b. 因变量: y 系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量).118.355.333.748-.701.937x.004.000.9498.509.000.003.005a. 因变量: y 残差统计量a极小值极大值均值标准 偏差N预测值.8894.9582.8501.361410标准 预测值-1.4401.548.0001.00010预测值的标准误差.154.291.209.05010调整的预测值.8345.2232.8571.394410残差-.8390.5259.0000.452610标准 残差-1.7481.096.000.94310Student 化 残差-1.9081.272-.0061.05110已删除的残差-1.0003.7089-.0072.566210Student 化 已删除的残差-2.4191.332-.0581.17010Mahal。 距离.0282.398.900.85610Cook 的距离.001.416.129.15710居中杠杆值.003.266.100.09510a. 因变量: y残差图分析： 1.x与y之间大致呈线性关系。 2、设回归方程为 = 3、 =0.2305 0.4801 4、 由于 服从自由度为n-2的t分布。因而 也即：= 可得 即为：（0.0028，0.0044） 服从自由度为n-2的t分布。因而 即 可得 5、x与y的决定系数 =0.908 6、由于,拒绝,说明回归方程显著，x与y有显著的线性关系。 7、 其中 接受原假设认为显著不为0，因变量y对自变量x的一元线性回归成立。 8、 相关系数 = 小于表中的相应值同时大于表中的相应值，x与y有显著的线性关系. 9、从图上看，残差是围绕e=0随机波动，从而模型的基本假定是满足的。 10、 11、, 即为（2.7，4.7） 近似置信区间为：，即（2.74，4.66） 12、可得置信水平为为，即为（3.33，4.07）. 一、实验题目2 下表是1985年的美国50个洲和哥伦比亚特区公立学校中教师的人均年工资y（美元）和对学生的人均经费投入x（美元）。 [数据集1] 二、实验内容 (1)绘制y对x的散点图，可以用直线回归描述两者之间的关系吗？ 描述性统计量均值标准 偏差Ny24354.574178.82451x3694.651053.06051 相关性yxPearson 相关性y1.000.835x.8351.000Sig. （单侧）y..000x.000.Ny5151x5151 输入／移去的变量b模型输入的变量移