应用回归分析实验报告.doc

重 庆 交 通 大 学 学 生 实 验 报 告 实验课程名称 应用回归分析 开课实验室 数学实验室 学 院 理学院 年级09专业班 信息2班 学 生 姓 名 zhouhoufei 学 号 开 课 时 间 2011 至 2012 学年第 1 学期 评分细则 评分 报告表述的清晰程度和完整性（20分） 程序设计的正确性（40分） 实验结果的分析（30分） 实验方法的创新性（10分） 总成绩 教师签名 邹昌文 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周时间，收集了每周加班工作时间的数据和签发新保单数目，x为每周签发的新保单数目，y为每周加班工作时间（小时）。 表2.7 y 3.5 1 4 2 1 3 4.5 1.5 3 5 x 825 215 1070 550 480 920 1350 325 670 1215 （1）画散点图； （2）x与y之间是否大致呈线性关系？（3）用最小二乘估计求出回归方程； （4）求回归标准误差； （5）给出、的置信度为95%的区间估计； （6）计算x与y的决定系数； （7）对回归方程做方差分析； （8）做回归系数显著性检验； （9）做相关系数的显著性检验； （10）对回归方程做残差图并作相应的分析； （11）该公司预计下一周签发新保单张，需要的加班时间是多少？ （12）给出的置信水平为95%的精确预测区间和近视预测区间。 （13）给出置信水平为95%的区间估计。 （1）将数据输入到SPSS中，画出散点图如下： （2）由下表可知x与y的相关系数高达0.949，大于0.8，所以x与y之间线性相关性显著。 相关性 y x Pearson 相关性 y 1.000 .949 x .949 1.000 Sig. （单侧） y . .000 x .000 . N y 10 10 x 10 10 （3）用SPSS进行最小二乘估计得到了如下系数表： 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 相关性 共线性统计量 B 标准 误差 试用版 下限 上限 零阶 偏 部分 容差 VIF 1 (常量) .118 .355 .333 .748 -.701 .937 x .004 .000 .949 8.509 .000 .003 .005 .949 .949 .949 1.000 1.000 a. 因变量: y 由上表可知、的参数估计值、分别为0.118和0.004，所以y对x的线性回归方程为 （4）由SPSS得到如下模型汇总表： 模型汇总 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。 由模型汇总表可知回归标准误差=0.4800 （5）由以下系数表可知、的置信度为95%的区间估计分别为： （-0.701,0.937）和（0.003,0.005）。 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 相关性 共线性统计量 B 标准 误差 试用版 下限 上限 零阶 偏 部分 容差 VIF 1 (常量) .118 .355 .333 .748 -.701 .937 x .004 .000 .949 8.509 .000 .003 .005 .949 .949 .949 1.000 1.000 a. 因变量: y （6）做出模型汇总表： 模型汇总 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。 由以上模型汇总表可知x与y的决定系数为。 （7）对回归方程做方差分析； 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 由方差分析表可以知道,, 显著性，可知其回归方程高度显著。即可说明对的线性回归高度显著，这与相关系数的检验结果是一致的！ （8）做回归系数显著性检验； 得出系数表如下： 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 从系数表可以看出的，即，所以没有通过显著性检验，所以得出的回归系数不可用。而的，即，所以通过了显著性检验。 （9）做相关系数的显著性检验； 相关性 y x Pea