相关分析与回归分析.docxVIP

------------- 精选文档 ----------------- 11.5 一家物流公司的管理人员想研究货物的运输距离和运输时间的关系，为此，他抽出了 公司最近 10 个卡车运货记录的随机样本，得到运送距离 (单位： km) 和运送时间 (单位：天 ) 的数据如下： 运送距离 x 825 215 1 070 550 480 920 1 350 325 670 1 215 运送时间 y 3.5 1.0 4.0 2.0 1.0 3.0 4.5 1.5 3.0 5.0 要求： 绘制运送距离和运送时间的散点图，判断二者之间的关系形态： 计算线性相关系数，说明两个变量之间的关系强度。 利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。解：（ 1 ） y 运 送 时 间 （ 天 ）  5 4 3 2 1 250 500 750 1000 1250 x运送距离（ km） __ 可能存在线性关系。 （2 ） 相关性 x 运送距离（ km ） y 运送时间（天） x 运送距离（ km ） Pearson 相关性 1 .949(**) 可编辑 ------------- 精选文档 ----------------- 显著性（双侧） 0.000 N 10 10 y 运送时间（天） Pearson 相关性 .949(**) 1 显著性（双侧） 0.000 N 10 10 **. 在 .01 水平（双侧）上显著相关。 有很强的线性关系。 3 ） 系数 (a) 非标准化系数 标准化系数 模型 B 标准误 Beta t 显著性 1 （常量） 0.118 0.355 0.333 0.748 x 运送距离（ km ） 0.004 0.000 0.949 8.509 0.000 因变量 : y 运送时间（天） 回归系数的含义：每公里增加 0.004 天。 11.6 下面是 7 个地区 2000 年的人均国内生产总值（ GDP ）和人均消费水平的统计数据： 地区 人均 GDP( 元) 人均消费水平 (元 ) 北京 22 460 7 326 辽宁 11 226 4 490 上海 34 547 11 546 江西 4 851 2 396 河南 5 444 2 208 贵州 2 662 1 608 陕西 4 549 2 035 要求： 人均 GDP 作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系 形态。 计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。 利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。 计算判定系数，并解释其意义。 可编辑 ------------- 精选文档 ----------------- 检验回归方程线性关系的显著性(a=0.05) 。 如果某地区的人均 GDP 为 5 000 元，预测其人均消费水平。 (7) 求人均 GDP 为 5 000 元时，人均消费水平 95 ％的置信区间和预测区间。 解：（ 1 ） 人 12000 消 费 水 10000 （ 元 ） 8000 6000 4000 2000 0 0 10000 20000 30000 40000 人均GDP（元） __ 可能存在线性关系。 （2 ）相关系数： 相关性 人均 GDP （元） 人均消费水平（元） 人均 GDP（元） Pearson 相关性 1 .998(**) 显著性（双侧） 0.000 N 7 7 人均消费水平（元） Pearson 相关性 .998(**) 1 显著性（双侧） 0.000 N 7 7 **. 在 .01 水平（双侧）上显著相关。 有很强的线性关系。 可编辑 ------------- 精选文档 ----------------- （3 ）回归方程： 系数 (a) 非标准化系数 标准化系数 模型 B 标准误 Beta t 显著性 1 （常量） 734.693 139.540 5.265 0.003 人均 GDP（元） 0.309 0.008 0.998 36.492 0.000 a. 因变量 : 人均消费水平（元） 回归系数的含义：人均 GDP 没增加 1 元，人均消费增加 0.309 元。 4 ） 模型摘要 模型 R R 方 调整的 R 方 估计的标准差 1 .998(a) 0.996 0.996 247.303 预测变量 :(常量 ), 人均 GDP （元）。 人均 GDP 对人均消费的影响达到 99.6% 。 （5 ）F 检验： ANOVA(b) 模型 平方和 df 均方 F 显 1 回归 81,444,968.680 1 81,444,968.680 1,331.692 残差 305,795.034 5 61,159.007 合计 81,