应用统计分析第二次作业.docxVIP

应用统计分析第二次作业 数学与应用数学一班 陈正康 2012101010019 【摘要】在国家经济数据中，很多影响国内生产总值的因素，我们为了找到他们之间的联系，建立起相应是回归模型。而本文正是通过建立相应的多元回归模型，对找到的数据进行预测或控制，并对所得出的结果进行分析讨论。 【关键词】国内生产总值 多元线性回归模型 R软件lm（）函数 一．问题描述 1，2004~2013年国家经济数据如下，他们看似没有明显规律，然而却存在内在联系。我们通过对数据建立相应的多元线性回归模型，并进行相应的预测或控制。 2，对所得结果做相应的分析 数据如下：数据来源于国家统计局网站 二、问题分析及解决 1，相关变量的说明 变量变量说明 Y国内生产总值 X1 第一产业增加值 X2 第二产业增加值 X3 第三产业增加值 X4 工业增加值 X5 建筑业增加值2，模型的建立 根据相应的经验，我们假设基本模型为线性模型 其中是常数。 3，模型的求解 本次求解我们采用R软件求解。步骤如下： 数据的读取 d=read.table(2.txt,head=TRUE) 调用R软件中的lm（）函数求解，并用summary（）显示结果， 相应的程序如下： lm.sol-lm(Y~X1+X2+X3+X4+X5,data=data1) summary(lm.sol) Call: lm(formula = Y ~ X1 + X2 + X3 + X4 + X5, data = toothpaste) (3) 结果显示 Residuals: 1 2 3 4 5 6 7 8 9 10 -0.004494 0.016084 -0.018255 0.021282 -0.017394 -0.003803 0.003018 -0.016084 0.038025 -0.018379 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) 8.305e-02 1.364e-01 6.090e-01 0.576 X1 1.000e+00 1.419e-05 7.047e+04 2e-16 *** X2 9.044e-01 2.351e+00 3.850e-01 0.720 X3 9.559e-02 2.351e+00 4.100e-02 0.970 X4 9.559e-02 2.351e+00 4.100e-02 0.970 X5 1.000e+00 3.228e-06 3.098e+05 2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.0293 on 4 degrees of freedom Multiple R-squared: 1, Adjusted R-squared: 1 F-statistic: 4.283e+13 on 5 and 4 DF, p-value: 2.2e-16 至此，我们得出了国内生产总值和第一产业增加值，第二产业增加值，第三产业增加值，工业增加值，建筑业增加值之间的关系。 Y= （1.000e -02*X1）+ （9.044e-01+00*X2）+ （9.559e-02-01*X3）+（9.559e-02*X4）+（1.000e+00*X5）+ 8.305e-02 三，进一步分析 分别画出X1~Y，X2~Y，X3~Y，X4~Y，X5~Y的散点图 四、结果分析 （1）从回归的结果可以看出，模型的残差标准差已经很小，而相关系数的平方已经很大，说明建立的回归模型是比较可取的。 （2）从以上的散点图可以看出，对于X1~Y，X2~Y，X3~Y，用直线拟合比较好，而且从图看出所有点都十分均匀的分布在直线两端。拟合的十分好。 （3）通过