管理数量方法 第8章 回归分析练习题及答案

合集下载
  1. 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. 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. 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)。

实验报告——回归分析

姓名:杨秀娟班级:人力10001 学号:10120700121

以下实验题参考教材,按照提示的步骤将内容补充完整,要求有文字说明和重要步骤截图。

【练习1】

打开数据“水稻产量.sav”,该数据为某地区1973年到1990年水稻产量和水稻播种面积、化肥使用量、生猪存栏数以及水稻扬花期降雨量的数据资料,数据中有18个观察样本,代表了1973到1990共18个年份,有7个属性变量:id(序号),x1(水稻播种面积),x2(化肥使用量),x3(生猪存栏数),x4(水稻扬花期降雨量),x5(水稻总产量)以及year(年份)。试用线性回归分析该地区水稻产量(Y)与对它具有显著影响的因素(x1,x2,x3,x4)之间的关系。

【解】

(1)回归分析

在SPSS主菜单中单击【分析】——【回归】——【线性】,打开【线性回归】主对话框。

在【因变量】框中选入“y”,在【自变量】框中分别选入“x1”,单击【下一张】,选入“x2、x3、x4"方法选择“逐步”,其他的选项采用默认设置。单击【确定】后。得出回归分析结果。

(2)结果解释:

下表是给出了拟合过程中变量输入/移去的变量的情况。该模型中“X1,X2,X3”为进入的变

量,没有移出的变量,具体的进入/退出方法为“输入法”,即Enter(强行进入法)。

下表为所拟合模型的检验统计量。模型1中相关系数R为0.798,而决定系数R2为0.636,校正的决定系数为0.613,标准估计的误差为51.03451。模型2中相关系数R为0.924,而决定系数R2为0.854,校正的决定系数为0.835,标准估计的误差为33.36362。模型3中相关系数R为0.944,而决定系数R2为0.892,校正的决定系数为0.869,标准估计的误差为29.72468。

下表,是方差分析的结果。可见所用的回归模型F值分别为27.966、43.936、38.534,P值为0.000,小于显著性水平0.05,因此我们用的这个回归模型是有统计学意义的,可以继续看下面系数分别检验的结果。

下表给出了线性回归模型的回归系数及相应的一些统计量。线性回归模型1的常数项为—1989.662,水稻播种面积的系数为14.641。常数项和水稻播种面积的t统计量值分别为—4.631和5.288,相应的概率值为0.000和0.000,小于显著性水平0.05,说明系数非常显著,线性回归模型有意义。

线性回归模型为:

水稻总产量=—1989.662+14.641*水稻播种面积

线性回归模型2的常数项为—415.288,水稻播种面积的系数为4.154,化肥使用量的系数为1.841,。常数项和水稻播种面积及化肥使用量的t统计量值分别为—0.945、1.452和4.737,相应的概率值为0.335、0.167和0.000,大于显著性水平0.05,说明系数不显著,线性回归模型无意义。

线性回归模型为:

水稻总产量=—415.288+4.154*水稻播种面积+1.841*化肥使用量

线性回归模型3的常数项为—119.583,水稻播种面积的系数为 1.701,化肥使用量的系数为1.326,生猪存栏数的系数为2.180。常数项、水稻播种面积、化肥使用量和生猪存栏数的t统计量值分别为—0.292、0.612、3.176、2.213,相应的概率值为0.775、0.550、0.007、0.044,大于显著性水平0.05,说明细数不显著,线性回归模型无意义。

线性回归模型为:

水稻总产量=—119.583+1.701*水稻播种面积+1.326*化肥使用量+2.180*生猪存栏数

【练习2】

有20名理科实验班的同学进行计算机水平考试,其上机考试成绩为x,笔试成绩为y。如表所示。试分析X与Y的线性回归方程。

X 4 16 20 13 22 21 15 20 19 16 18 17 8 6 5 20 18 11 18 4

Y 19 19 24 36 28 26 25 28 17 27 21 24 18 18 14 28 21 22 20 21 【解】

(1)数据准备

将上表格数据转换成SPSS数据文件,一共2个变量20个数据

(2)回归分析

在SPSS主菜单中单击【分析】——【回归】——【线性】,打开【线性回归】主对话框。

在【因变量】框中选入“Y”,在【自变量】框中分写选入“X”,其他的选项采用默认设置。单击【确定】后。得出回归分析结果。

(3)结果解释:

下表是给出了拟合过程中变量输入/移去的变量的情况。该模型中“X”为进入的变量,没有

移出的变量,具体的进入/退出方法为“输入法”,即Enter(强行进入法)。

正的决定系数为0.179,标准估计的误差为4.62450。

下表是方差分析的结果。可见所用的回归模型F值为5.155,P值为0.036,小于显著性水平0.05,因此我们用的这个回归模型是有统计学意义的,可以继续看下面系数分别检验的结果。

下表给出了线性回归模型的回归系数及相应的一些统计量。线性回归模型的常数项为17.013,X的系数为0.398。常数项和X的t统计量值分别为6.185和2.271,相应的概率值为0.000和0.036,小于显著性水平0.05,说明系数非常显著,线性回归模型有意义。

线性回归模型为:

Y=17.013+0.398*X

【练习3】

抽样获得某16名保单推销员上年的保单推销数(个)和他们从事保单推销的年数资料如表。

上年的保单数保单推销的年数上年的保单数保单推销的年数

105 13 53 6

100 14 108 12

137 25 133 28

111 19 123 19

76 9 66 8

相关文档
最新文档