- 1、本文档共16页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
精品文档
精品文档
.
.
《数学建模》实验报告
实验序号:实验8 实验项目名称:统计回归模型
学 号实验地点
1210012143
实4-401
姓 名指导教师
詹建妹吴春红
专业、班实验时间
12信计
2014.4.29
一、实验目的及要求
通过对具体实例的分析,学会运用统计回归方法建立模型的方法。
二、实验设备(环境)及要求
多媒体机房,单人单机,独立完成
三、实验内容与步骤
表1列出了某城市18位35—44岁经理的年平均收入x1(千元),风险偏好度x2和人寿保险额y(千元)的数据,其中风险偏好度是是根据每个发给经理的问卷调查表综合评估得到的,它的数值越大,就越偏爱高风险,研究人员想研究此年龄段中的经理所投保的人寿保险额与年均收入及风险偏好度之间的关系。研究者预计,经理年均收入和人寿保险之间存在着二次关系,并有把握的认为风险偏好度对人寿保险额有线性效应,但对于风险偏好度对人寿保险额是否有二次效应以及两个自变量是否对人寿保险额有交互效应,心中没底。
序号
y
X1
X2
1
196
66.290
7
2
63
40.964
5
3
252
72.996
10
4
84
45.010
6
5
126
57.204
4
6
14
26.852
5
7
49
38.122
4
8
49
35.840
6
9
266
75.796
9
10
49
37.408
5
11
105
54.376
2
12
98
46.186
7
13
77
46.130
4
14
14
30.366
3
15
56
39.060
5
16
245
79.380
1
17
133
52.766
8
18
133
55.916
6
某公司想用全行业的销售额作为自变量来预测公司的销售额,下表给出了1977-1981年公司销售额和行业销售额的分季度数据(单位:百万元)。
画出数据的散点图,观察用线性回归模型拟合是否合适。
建立公司销售额对全行业销售额的回归模型,并用DW检验诊断随机误差项的自相关性。
建立消除了随机误差项自相关性后的回归模型。
年
季
t
公司销售额y
行业销售额x
1977
1
1
20.96
127.3
2
2
21.4
130
3
3
21.96
132.7
4
4
21.52
129.4
1978
1
5
22.39
135
2
6
22.76
137.1
3
7
23.48
141.2
4
8
23.66
142.8
1979
1
9
24.1
145.5
2
10
24.01
145.3
3
11
24.54
148.3
4
12
24.3
146.4
1980
1
13
25
150.2
2
14
25.64
153.1
3
15
26.36
157.3
4
16
26.98
160.7
1981
1
17
27.52
164.2
2
18
27.78
165.6
3
19
29.24
168.7
4
20
28.78
171.7
四、实验结果与数据处理
1.
Matlab代码:
X1=[66.29040.96472.99645.01057.20426.85238.12235.84075.79637.40854.37646.186
46.13030.36639.06079.38052.76655.916];
Y=[19663252841261449492664910598771456245133133];
X=[ones(18,1)X1(X1.^2)];
[b,bint,r,rint,stats]=regress(Y,X)
处理结果:
b=
-60.5239
1.7886
0.0302
bint=
-143.4598
22.4121
-1.4742
5.0513
0.0002
0.0603
r=
5.0447
-0.4989
20.7987
2.7433
-14.7658
4.6881
-2.6174
6.5692
17.1895
0.2908
-21.1635
11.3961
-9.3474
-7.6785
0.5151
-27.0424
14.9336
-1.0552
rint=
-22.6123
32.7016
-29.0151
28.0174
-3.0151
44.6125
-25.5842
31.0708
-41.2961
11.7646
-17.4529
26.8291
-30.9763
25.7415
-21.2462
34.3845
-6.0579
40.4368
-28.0301
28.6116
-46.2827
3.9558
-16.1444
38.9366
-37.14
文档评论(0)