应用回归分析课程设计
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
课程设计报告
课程:应用回归分析学号:
姓名:
班级:12金统
教师:周勤
江苏师范大学
科文学院
《应用回归分析》
课程设计指导书
一、课程设计的目的
1. 加深理解本课程的研究方法、思想精髓,提高解决实际问题的能力,熟
练掌握SPSS常用统计软件的应用。
2. 通过学习达到熟练掌握一元线性回归建模过程,熟悉一元线性回归建模
步骤;掌握模型选择,参数估计,模型检验,模型优化和模型预测的方法。
3. 掌握诊断序列自相关性(或异方差性)的方法,并能给出消除自相关性
(或异方差性)的方法。
4. 能够根据历史数据,对未来走势作出预测;可以处理一些简单的经济问
题。
二、设计名称:
检验1949年-2012年农林牧渔业总产值和农业产值之间的关系。
三、设计要求
1.数据来源要真实,必须注明数据的出处。
2.尽量使用计算机软件分析,说明算法或过程。
3.必须利用到应用回归分析的统计知识。
4.独立完成,不得有相同或相近的课程设计。
四、设计过程
1.思考研究课题,准备搜集数据。
2.确立课题,利用图书馆、上网等方式方法搜集数据。
3.利用机房实验室等学校给予的便利措施开始分析处理数据。
4.根据试验结果,写出课程设计报告书。
5.对实验设计报告书进行完善,并最终定稿。
五、设计细则
1.利用的统计学软件主要为SPSS,因为其方便快捷,功能也很强大,界面美
观。
2.对Word文档进行编辑的时候,有些特殊的数学符号需要利用Mathtype这
款小软件进行编辑。
3.数据来自较权威机构,增加分析的准确性与可靠性。
4.力求主题突出,观点鲜明,叙述简洁明了。
六、说明
1.数据来源于江苏统计年鉴2013;
2.所选取数据可能不会涉及到所学的各种分析方法,本课程设计最后会对此
情况作出解释。
3.本课程设计中,取显著性水平为 =0.05,对于分析中需要用到的数据做
加粗处理
课程设计任务书
设计名称:检验1949年-2012年农林牧渔业总产值和农业产值之间的关系。日期:2014年6月1日
(1)画散点图
(2)x 与y 之间是否大致呈线性关系 (3)用最小二乘估计求出回归方程
(4)求回归标准误差σ
ˆ (5)给出0ˆβ与1ˆβ的置信度为95%的区间估计 (6)计算x 与y 的决定系数 (7) 对回归方程作方差分析 (8)作回归系数0β,1β显著性分析 (9)做相关系数的显著性检验
(10)用线性回归的plots 功能绘制标准残差的直方图和正态概率图,检验误差项的正态性假设。 设计目的与要求:
1.加深理解本课程的研究方法、思想精髓,提高解决实际问题的能力,熟练掌握SPSS 常用统计软件的应用。
2.通过学习达到熟练掌握一元线性回归建模过程,熟悉一元线性回归建模步骤;掌握模型选择,参数估计,模型检验,模型优化和模型预测的方法。
3. 掌握诊断序列相关性(或异方差性)的方法,并能给出消除自相关性(或异方差性)的方法。
设计环境或器材、原理与说明:
设计环境器材:统计实验室、SPSS 软件、EXCEL 软件等 原理与说明:
1、一元线性回归模型的一般形式
设随机变量y 与一般变量x 的线性回归模型为
y=01x ββε++
0β称为回归常数,β称为回归系数。
ε是随机误差,我们常假定
2
()0
var()E εεσ
=⎧⎨=⎩ 2、F 检验
对随机变量y 是否有明显的影响。为此提出原假设
01H 0β=:
构造F 检验统计量如下
/1
/(2)
SSR F SSE n =
-
在正态假设下,当原假设01H 0β=:成立时,F 服从自由度为(1,n-2)的F 分布。 3、t 检验
t 检验是统计推断的一种方法,因此,检验回归系数是否显著,等价于检验假设
111:0:0
o H H ββ=≠
如果接受原假设o H ,则x 不显著;如果拒绝原假设o H ,则x 是显著的。
在一元线性回归中,回归系数显著性的t 检验与回归方程显著性的F 检验是等价的。 4、拟合优度
拟合优度用于检验回归方程对样本观测值的拟合程度。
样本决定系数2/r SSR SST =,
样本决定系数2R 的取值在[0,1]区间内,2R 越接近1,表明回归拟合的效果越好;2R 越接近0,表明回归拟合的效果越差。与F 检验相比,2R 可以更清楚直观地反映回归拟合的效果,但是并不能作为严格的显著性检验。 5、通过画散点图我们可以从中观察出样本变量间是否有线性关系 6、用普通最小二乘估计和最大似然估计可以对参数0β,1β进行估计
7、关于残差图:一般认为,如果一个回归模型满足所给出的基本假定,所有残差是在ε=0附近随机变化,并在变化幅度不大的一条子带内。若e 随x 的增大而减小,则为异方差。
6、消除异方差:一元加权最小二乘估计法:
用自变量的幂函数的倒数形式作为权数对原模型进行
加权:
1
m wi
xi
设计过程(步骤)或程序代码:
1.确定模型
(1)散点图:图形---旧对话框---散点/点状
(2)回归方程:分析---回归---线性
2. 模型检验:
(1)相关系数:分析---相关---双变量
3. 残差检验:
(1)散点图:图形---旧对话框---散点/点状
4. 模型预测:
(1)模型预测:分析—回归—线性—保存—预测—为标准化
分析—回归—线性—统计量—保存—预测区间—均值
5. 消除异方差:分析—回归—权重估计—因变量,自变量,将自变量输入权重
变量,确定。
设计结果与分析:
一,确定模型:
一元线性回归是描述两个变量之间统计关系的最简单的回归模型。拿到一组数据,在建立回归模型之前,通常先做出其散点图,直观地判断一下它们之间的数量关系,进而选择合适的理论回归模型。
(1)我们以农业产值为横轴,以农林牧渔业总产值为纵轴,做出散点图。图形如下。