方差和回归分析作业.docVIP

方差与回归分析作业 题目：（三因素方差分析）某集团为了研究商品销售点所在的地理位置、销售点处的广告和销售点的装潢这三个因素对商品的影响程度，选了三个位置（如市中心黄金地段、非中心的地段、城乡结合部），两种广告形式，两种装潢档次在四个城市进行了搭配试验。表15是销售量的数据，试在显著水平0.05下，检验不同地理位置、不同广告、不同装潢下的销售量是否有显著差异 由上表易知sig.b=0.030.05,即不同地理环境下的销量有显著差异；同理，由sig.c=0.040.05可知不同广告的销量也有显著差异；而从sig.d=0.7170.05易知不同装潢下的销量没有有显著差异。 sig.a*b=0.0270.05,即不同地理环境和不同广告对销量有显著交互影响；相反的，由sig.a*c=0.3010.05可知不同广告和不同装潢下的销量对销量没有显著交互影响；同理，由sig.a*d、sig.b*d等均大于0.05，易知它们对应的两个变量对销量没有显著交互影响。 回归分析 1. 某人记录了21天每天使用空调器的时间和使用烘干器的次数，并监视电表以计算出每天的耗电量，数据见表6，试研究耗电量（KWH）与空调器使用的小时数(AC)和烘干器使用次数(DRYER)之间的关系，建立并检验回归模型，诊断是否有异常点。 图1 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) 8.105 2.481 3.267 .004 2.893 13.317 AC 5.466 .281 .783 19.469 .000 4.876 6.056 DRYER 13.217 .856 .621 15.436 .000 11.418 15.015 a. 因变量: KWH 图2 残差统计量a 极小值 极大值 均值 标准 偏差 N 预测值 19.0372 95.1117 64.8571 21.56363 21 残差 -7.90080 6.46714 .00000 3.73343 21 标准 预测值 -2.125 1.403 .000 1.000 21 标准 残差 -2.008 1.643 .000 .949 21 a. 因变量: KWH Anovab 模型 平方和 df 均方 F Sig. 1 回归 9299.802 2 4649.901 300.241 .000 残差 278.770 18 15.487 总计 9578.571 20 a. 预测变量: (常量), DRYER, AC。 b. 因变量: KWH 如图所示：由图1知，此组数据进行回归分析后可知满足线性回归关系，其中常量为8.105，对应的p=0.0040.05,关系显著，变量AC对应的系数为5.466，变量DRYER对应的系数为13.217，两个变量对应的p均为0，即可令耗电量KWH以y代替，AC与DRYER分别以变量与代替，得到方程： 由图2知残差相差不是很大 3. 一矿脉有13个相邻样本点，人为地设定一原点，现测得各样本点对原点的距离x ，与该样本点处某种金属含量y 的一组数据如下，画出散点图观测二者的关系，试建立合适的回归模型，如二次曲线、双曲线、对数曲线等。 Anovab 模型 平方和 df 均方 F Sig. 1 回归 13.391 1 13.391 19.996 .001 残差 7.367 11 .670 总计 20.758 12 a. 预测变量: (常量), VAR00001。 b. 因变量: VAR00002 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) 108.254 .469 230.773 .000 VAR00001 .181 .040 .803 4.472 .001 a. 因变量: VAR00002 如图所示：此题所提供的数据进行回归分析后可知满足线性关系，常量为108.254，p为0关系显著，变量的系数为0.181，p=0.0010.005关系亦显著，可得线性方程