六次作业零部件个数与通话时间相关回归分析.pdfVIP

Q：一维修服务公司需要了解其通过服务修复的零部件的个数和通话时间的关系。

试探讨两者的相关，并以零部件个数为自变量，通话时间为因变量进行回归分析。

A：

一、散点图

图1零部件个数与通话时间的散点图

如图1散点图所示，X轴为零部件个数，Y轴为通话时间。Y（通话时间）随着X（零部件

个数）的增加而增加，总体上呈线性相关关系。R方（拟合优度）是回归分析的决定系数，

说明自变量和因变量形成的散点与回归线的接近程度，数值介于0和1之间，这个数值越大

说明回归的越好，也就是散点越集中于回归线上。R方线性（拟合优度）为0.94，也就是说

零部件个数X可解释通话时间Y的94%。这说明两者的线性拟合度较高。

二、线性回归

运用回归分析方法，建立零部件个数与通话时间的一元线性回归方程：Y=A＋BX

表1相关分析

模型RR方调整R方估计的误差Durbin-Watson

a.940.93714.5981.416

1.970

a.预测变量:(常量),零部件个数。

b.因变量:通话时间

Q:Amaintenanceservicecompanyneedstoknowtherelationshipweenthenumberofpartsrepairedthrough

telephoneserviceandthecalltime.Trytoexplorethecorrelationweenthetwo,andconductregressionanalysis

withthenumberofpartsasthetvariableandthecalltimeasthedependentvariable.

A：

1.Scatterplot

Figure1Scatterplotofnumberofpartsandtalk

time

AsshowninthescatterplotinFigure1,theX-axisisthenumberofpartsandtheY-axisisthecall

time.Y(talktime)increaseswiththeincreaseofX(numberofparts),andthereisgenerallya

linearcorrelation.Rsquare(goodnessoffit)isthecoefficientofdeterminationofregression

analysis,whichshowshowclosethescatterpointsformedbythetvariaband

dependentvariabaretotheregressionline.Thevalueisween0and1.Thelargertheval

ue,thetertheregression,thatis,themoreconcentratedthescatterpoin