一元线性回归分析实验报告.docxVIP

WORD格式-专业学习资料-可编辑 --学习资料分享---- 应用回归分析实验报告 一元线性回归在公司加班制度中的应用 院（ 系 ）： 专业班级： 学号姓名： 指导老师： 成 绩： 完成时间： 一元线性回归在公司加班制度中的应用 一、实验目的 掌握一元线性回归分析的基本思想和操作，可以读懂分析结果， 并写出回归方程， 对回归方程进行方差分析、 显著性检验等的各种统 计检验 二、实验环境 SPSS21.0 windows10.0 三、实验题目 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 10 周时间，收集了每周加班数据和签发的新保单数 目，x 为每周签发的新保单数目， y 为每周加班时间（小时），数据如 表所示 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 1.0 4.0 2.0 1.0 3.0 4.5 1.5 3.0 5.0 画散点图。 x 与 y 之间大致呈线性关系？ 用最小二乘法估计求出回归方程。 求出回归标准误差 。 给出0 与1 的置信度95%的区间估计。 计算 x 与 y 的决定系数。 对回归方程作方差分析。 作回归系数1 的显著性检验。 作回归系数的显著性检验。 对回归方程做残差图并作相应的分析。 该公司预测下一周签发新保单 x0 1000 张，需要的加班时间是多少？ 给出 y0 的置信度为 95%的精确预测区间。 给出 E y0 的置信度为 95%的区间估计。 四、实验过程及分析 画散点图 如图是以每周加班时间为纵坐标，每周签发的新保单为横坐标绘制的散点图，从图中可以看出，数据均匀分布在对角线的两侧，说明 x 和 y 之间线性关系良好。 最小二乘估计求回归方程 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 ( 常量 ) .118 .355 .333 .748 -.701 .937 1 .004 .000 .949 8.509 .000 .003 .005 x SPSS求得回归方程的系数 0 , 1 分别为 0.118,0.004 ，故我们可以写出其回归方程如下： y 0.118 0.004 x 求回归标准误差 a ANOVA 模型 平方和 自由度 均方 F 显著性 1 回归 16.682 1 16.682 72.396 .000 b 残差 1.843 8 .230 总计 18.525 9 因变量： y 预测变量： ( 常量 ), x 由方差分析表可以得到回归标准误差： SSE=1.843 2 = SSE 2 =0.48 。 故回归标准误差： n 2 ， 给出回归系数的置信度为 95%的置信区间估计。 系数 a 未标准化系数 标准化系数 B 的 95.0% 置信区间 模型 B 标准误差 Beta t 显著性 下限 上限 1 ( 常量 ) .118 .355 .333 .748 -.701 .937 x .004 .000 .949 8.509 .000 .003 .005 因变量： y 由回归系数显著性检验表可以看出，当置信度为 95%时： 0 的预测区间为 [-0.701,0.937], 1 的预测区间为 [0.003,0.005]. 的置信区间包含 0，表示 0 不拒绝为 0 的原假设。 计算 x 与 y 的决定系数。 模型摘要 模型  R  R 方  调整后  R  方  标准估算的误差 1  .949 a  .900  .888  .4800 预测变量： ( 常量 ), x 由模型摘要表得到决定系数为 0.9 接近于 1，说明模型的拟合度 较高。 对回归方程做方差分析。 a ANOVA 模型 平方和 自由度 均方 F 显著性 1 回归 16.682 1 16.682 72.396 .000 b 残差 1.843 8 .230 总计 18.525 9 因变量： y 预测变量： ( 常量 ), x 由方差分析表可知： F 值=72.3965.32( 当 n1 1, n2 8 时，查表 得出对应值为 5.32) ，显著性约为 0，所以拒绝原假设，说明回归方 程显著。 做相关系数的显著性检验。 模型摘要 模型  R  R 方  调整后  R 方  标准估算的误差 1  .949 a  .900  .888  .4800 预测变量： ( 常量 ), x 由模型摘要可知相关系数达到 0.949 ，说明 x与 y 显著线性相关。 对回归方程做残差图并做相应分析。 从残差图上看出残差是围绕 e=0 上下波动的，满足模型的基本假 设。 10.该公司预测下一