异常值的检验.docxVIP

《实用回归分析》实验四 实验时间： 2019 年 11 月 20 日 实验项目： 异常值的检验一、实验目的及要求 目的：掌握异常值的识别。 要求：熟练掌握 SPSS 软件上机操作，能够识别异常值。二、实验内容 下表是 2016 年我国 31 个省、直辖市、自治区（不含港、澳、台）财政收入、地区生产总值两个宏观经济变量数据。 财政收入 地区生产总值 财政收入 地区生产总值 地区 y（亿元） x（亿元） 地区 y（亿元） x（亿元） 北京 5081 25669 湖北 3102 32665 天津 2724 17885 湖南 2698 31551 河北 2850 32070 广东 10390 80855 山西 1557 13050 广西 1556 18318 内蒙古 2016 18128 海南 638 4053 辽宁 2200 22247 重庆 2228 17741 吉林 1264 14777 四川 3389 32935 黑龙江 1148 15386 贵州 1561 11777 上海 6406 28179 云南 1812 14788 江苏 8121 77388 西藏 156 1151 浙江 5302 47251 陕西 1834 19400 安徽 2673 24408 甘肃 787 7200 福建 2655 28811 青海 239 2572 江西 2151 18499 宁夏 388 3169 山东 5860 68024 新疆 1299 9650 河南 3153 40472 （1）分析普通最小二乘是否存在异常值。 利用 SPSS 建立 y 与 x 的一元回归方程，分别计算普通残差 ei，学生化残差 SREi,删除残差 e(i)，删除学生化残差SRE(i)，中心化杠杆值chii，库克距离Di，见下表： 由上表知，回归方程为： y =127.380+0.107x。 从上表中，可以看到绝对值最大的学生化残差为 SRE9=3.52248，大于 3，因而根据学生化残差诊 断认为存 在异常值 。绝对值最 大的删 除学生化残 差为SRE(6)=4.57589，大于 3，对应为上海（第 9 个）的数据，因此判断它为为异常值。上海（第 9 个）的数据的中心化杠杆值为 chii=0.00075，不是第一大，且上海（ 第 9 个） 的数据 chii=0.000752 ch =1/31*2=0.06452 ， 且库克距离为D9=0.211770.5，因而上海（第 9 个）的数据不是自变量的异常值，故上海（第 9 个）的数据为异常值的原因是由因变量异常引起的。从而存在异常值。 (2) 删除北京和上海两个直辖市的数据，重新做普通最小二乘回归。是否还有异常值。 删除北京和上海两个直辖市的数据后，再利用 SPSS 建立 y 与 x 的一元回归方程， 分别计算普通残差 ei，学生化残差 SREi,删除残差 e(i)，删除学生化残差 SRE(i)， 中心化杠杆值 chii，库克距离 Di，见下表： 从表中看到绝对值最大的学生化残差为 SRE19=3.80965，大于 3，因而根据学生化残差诊断认为存在异常值。绝对值最大的删除学生化残差为 SRE（19）=5.4973，大于 3，对应为广东（第 19 个）的数据，因此判断它为为异常值。广东（第 19 个 ） 的 数 据 的 中 心 化 杠 杆 值 为 chii=0.25714 ， 由 于 chii=0.257142 ch =1/29*2=0.06897 是第一大，且库克距离为 D19=2.987481,是位于第一大，故广东（第 19 个）的数据为异常值的原因是由因变量和因变量异常共同引起的。从而存在异常值。 （3）删除北京和上海两个直辖市的数据，做加权最小二乘回归。分析加权最小 二乘回归的效果。此时是否还有异常值？ 删除北京和上海两个直辖市的数据 用 SPSS 建立 y 与 x 的加权最小二乘回归： 当 m=1.5 时，对数似然函数达到最大为-210.725，则 m=1.5 为幂指数最优取值。 对数似然值b -2.000 -259.313 -1.500 -249.910 -1.000 -240.926 -.500 -232.525 .000 -224.873 .500 -218.235 1.000 -213.272 1.500 -210.725a 2.000 -210.823 复相关系数 .977 R 方 .954 调整 R 方 .952 估计的标准误 .238 对数似然函数值 -210.725 平方和 df 均方 F Sig. 回归 31.564 1 31.564 555.613 .000 残差 1.534 27 .057 总计 33.097 28 分析加权最小二乘回归的效果：加权最小二乘的 R 方=0.954，F 值=