统计专业实验-实验10-高级回归分析(修正版).doc

重庆工商大学数学与统计学院 《统计专业实验》课程 实验报告 实验课程： 统计专业实验 指导教师： 专业班级： 学生姓名： _ 学生学号： 实 验 报 告 实验项目 实验2012-05-21 实验地点 80608 实验目的 掌握Logistic回归分析和岭回归分析的思想和操作方法。 实验内容 1．估计住房购买模型，并判断模型效果。 2．估计割草机购买模型，并判断模型效果。 3. 估计信息化贡献的生产函数模型。并进行相应分析。 实验思考题解答： 1．Logit模型的思想是什么？ 解：Logistic回归分析是对因变量为定性变量的回归分析。它是一种非线性模型。其基本特点是：因变量必须是二分类变量，若令因变量为y，则常用y=1表示“yes”，y=0表示“no”。[在发放股利与不发放股利的研究中，分别表示发放和不发放股利的公司]。自变量可以为虚拟变量也可以为连续变量。从模型的角度出发，不妨把事件发生的情况定义为y=1，事件未发生的情况定义为0。Logit 一方面表达出它是事件发生概率P的转换单位；另一方面，它作为回归的因变量就可以自己与自变量之间的依存关系保持传统回归模式。根据离散型随即变量期望值的定义，可得：E(y)=1(P)+0(1-P)=P，进而得到。因此，从以上分析可以看出，当因变量的取值为0、1时，均值总是代表给定自变量时y=1的概率。虽然这是从简单线性回归分析而得，但也适合复杂的多元回归函数情况。 ，β0为常数项，β1，β2，…，βk分别为k个自变量的回归系数。因此，Logistic模型为： 2．方差膨胀因子VIP的用途和计算公式是什么，其判断标准？ 解：VIF=1/（1-），方差膨胀因子VIP表明解释变量之间的线性相关程度的强弱。解释变量间的多重共线性越弱，越接近0，VIF就越接近1；反之，解释变量间的多重共线性越强，越接近1，VIF就越接近大。通常，如果VIF大于等于1，说明解释变量Xi与其余解释变量之间有严重的多重共线性，且可能会过度地影响方程的最小二乘估计。 实验运行程序、基本步骤及运行结果： （一）估计住房购买模型，并判断模型效果。 基本操作： （1）选择菜单Analyze－Regression－Linear； （2）选择被解释变量（实际购买人数）到Dependent框中， 选择解释变量（签订意向书人数，家庭收入）到Covariates框中； （3）在Method框中，选择Enter方法； 在Statistics框中，选择Estimates、Model fit、Covariance matrix、Collinearity diagnostics选项； 在Plots框中，选择ZRESED到Y框，ZPRED到X框，再选择Histogram和Normal probability plot； （4）选择菜单Analyze－Non Test－1-Sanple K-S； 选择菜单Analyze－Correlate－Brivariate； 结果显示如下： Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics R Square Change F Change df1 df2 Sig. F Change 1 .980a .961 .948 1.427 .961 7.320E1 2 6 .000 a. Predictors: (Constant), 签定意向书人数, 家庭收入（万元b. Dependent Variable: 实际购买人数ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 298.008 2 149.004 73.196 .000a Residual 12.214 6 2.036 Total 310.222 8 a Predictors: (Constant), 签定意向书人数, 家庭收入（万元） b Dependent Variable: 实际购买人数 分析：由上可知，被解释变量的总离差平方和为310.222，回归平方和及均方分别为298.008和149.004，剩余平方和及均方分别为12.214和2.036，F检验统计量的观测值为73.196，对应的概率p值近似为0。 若显著性水平α为0.05，由于p值小于α,所以拒绝回归方程显著性检验的零假设，即认为各回归系数不同时为0，