严肃换届纪律要求.docVIP

实验一 一元线性回归 2.15 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为每周签发的新保单数目，y为每周加班的工作时间（小时）。 周序号 1 2 3 4 5 6 7 8 9 10 x 825 215 1070 550 480 920 1350 325 670 1215 y 3.5 1 4 2 1 3 4.5 1.5 3 5 画散点图 X与Y之间是否大致成线性关系？ 用最小二乘法计算出回归方程 求回归标准误差 给出B0和B1的置信度为95%的区间估计 计算x和Y的决定系数 对回归方程做方差分析 做回归系数B1的显著性检验 做相关系数的显著性检验 （10）对回归方程做残差图并作出相应的分析 （11）该公司预计下一周签发新保单X0=1000张，需要加班时间是多少 （12）给出Y0的置信水平为95%的精确区间估计和近似区间估计 （13）给出E(y0)置信水平为95%的区间估计 解：（1）、画散点图如下： （2）、从上面的散点图可知x与y有很好的线性关系 模型汇总和参数估计值 因变量:y 方程 模型汇总 参数估计值 R 方 F df1 df2 Sig. 常数 b1 线性 .900 72.396 1 8 .000 .118 .004 自变量为 x。 (3)、 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) .118 .355 .333 .748 x .004 .000 .949 8.509 .000 a. 因变量: y 从上表中可知回归方程为： （4）、由公式可得回归标准误差为：0.4800 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 1 .949a .900 .888 .4800 a. 预测变量: (常量), x。 b. 因变量: y （5）、由下表可知的置信度为95%的区间估计为， 置信度为95%的区间估计为。 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) .118 .355 .333 .748 -.701 .937 x .004 .000 .949 8.509 .000 .003 .005 a. 因变量: y （6）、根据公式可得决定系数为0.900 （7）、对回归方程作方差分析： Anovab 模型 平方和 df 均方 F Sig. 1 回归 16.682 1 16.682 72.396 .000a 残差 1.843 8 .230 总计 18.525 9 a. 预测变量: (常量), x。 b. 因变量: y 由Anova表中可得F=72.396，显著性Sig为0.000说明y对x的线性回归高度显著。由x和y的P-P图也可以看出两者成大致的线性关系 （8）、做回归系数显著性的检验由t=8.509，=0.05，=2.3068.509所以拒绝原假设。sig的值为0.0000.05，y与x有显著的线性相关性。 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) .118 .355 .333 .748 x .004 .000 .949 8.509 .000 a. 因变量: y （9）、做相关系数的显著性检验，r=0.949，因为小于0.8所以高度相关。 （10）对回归方程作残差图如下： 残差统计量a 极小值 极大值 均值 标准 偏差 N 预测值 762.00 762.00 762.00 .000 10 标准 预测值 .000 .000 .000 .000 10 预测值的标准误差 128.093 279.594 174.722 46.172 10 调整的预测值 602.08 1024.25 766.25 119.906 10 残差 -547.000 588.000 .000 379.746 10 标准 残差 -1.358 1.460 .000 .943 10 Student 化 残差 -1.437 1.646 -.002 1.054 10 已删除的残差 -612.331 747.922 -4.250 480.401 10 Student 化 已删除的残差 -1.560 1.894 .013 1.126 10 Mahal。 距离 .010 3.437 .900 1.022 10 Cook 的距离 .004 .440 .140 .163 10 居中杠杆值 .001 .382 .100 .114 10 a.