1、精品第十一章一元线性回归分析第十一章-一元线性回归分析第十一章 一元线性回归11.1 从某一行业中随机抽取12家企业,所得产量与生产费用的数据如下:企业编号产量(台)生产费用(万元)企业编号产量(台)生产费用(万元)14013078416524215081001703501559116167455140101251805651501113017567815412140185要求:(1)绘制产量与生产费用的散点图,判断二者之间的关系形态。(2)计算产量与生产费用之间的线性相关系数。(3)对相关系数的显著性进行检验( = 0.05),并说明二者之间的关系强度。解:(1)利用Excel的散点图绘制功
2、能,绘制的散点图如下:从散点图的形态可知,产量与生产费用之间存在正的线性相关。(2)利用Excel的数据分析中的相关系数功能,得到产量与生产费用的线性相关系数r = 0.920232。(3)计算t统计量,得到t = 7.435453,在 = 0.05的显著性水平下,临界值为2.6337,统计量远大于临界值,拒绝原假设,产量与生产费用之间存在显著的正线性相关关系。r大于0.8,高度相关。11.2 学生在期末考试之前用于复习的时间(单位:h)和考试分数(单位:分)之间是否有关系?为研究这一问题,以为研究者抽取了由8名学生构成的一个随机样本,得到的数据如下:复习时间x考试分数y20641661348
3、423702788329218722277要求:(1)绘制复习时间和考试分数的散点图,判断二者之间的关系形态。(2)计算相关系数,说明两个变量之间的关系强度。解:(1)利用Excel的散点图绘制功能,绘制的散点图如下:从散点图的形态来看,考试分数与复习时间之间似乎存在正的线性相关关系。(2)r = 0.862109,大于0.8,高度相关。11.3 根据一组数据建立的线性回归方程为 。要求:(1)解释截距的意义。(2)解释斜率意义。(3)计算当x = 6时的E(y)。解:(1)在回归模型中,一般不能对截距项赋予意义。(2)斜率的意义为:当x增加1时,y减小0.5。(3)当x = 6时,E(y)
4、= 10 0.5 * 6 = 7。11.4 设SSR = 36,SSE = 4,n = 18。要求:(1)计算判定系数R2并解释其意义。(2)计算估计标准误差se并解释其意义。解:SST = SSR+SSE = 36+4 = 40,R2 = SSR / SST = 36 /40 = 0.9,意义为自变量可解释因变量变异的90%,自因变量与自变量之间存在很高的线性相关关系。(2) = 0.5,这是随机项的标准误差的估计值。11.5 一家物流公司的管理人员想研究货物的运送距离和运送时间的关系,因此,他抽出了公司最近10辆卡车运货记录的随机样本,得到运送距离(单位:km)和运送时间(单位:天)的数据
5、如下:运送距离x运送时间y8253.5 2151.0 10704.0 5502.0 4801.0 9203.0 13504.5 3251.5 6703.0 12155.0 要求:(1)绘制运送距离和运送时间的散点图,判断二者之间的关系形态。(2)计算线性相关系数,说明两个变量之间的关系强度。(3)利用最小二乘法求出估计的回归方程,并解释回归系数的实际意义。解:(1)利用Excel绘制散点图,如下:从散点图的形态来看,运送时间和运送距离之间存在正的线性相关关系。(2)计算的相关系数为0.9489,这是一个很高的相关系数。(3)用OLS方法估计得到模型参数为= 0.118129,= 0.00358
6、5,回归方程为:运送时间 = 0.118129 + 0.003*运送距离,意义为:运送距离每增加1km,运送时间增加0.003383天,即0.086小时。11.6 下面是7个地区2000年的人均国内生产总值(GDP)和人均消费水平的统计数据:地区人均GDP(元)人均消费水平(元)北京224607326辽宁112264490上海3454711546江西48512396河南54442208贵州26621608陕西45492035要求:(1)人均GDP作自变量,人均消费水平左因变量,绘制散点图,并说明二者之间的关系形态。(2)计算两个变量之间的线性相关系数,说明两个变量之间的关系强度。(3)利用最小
7、二乘法求出估计的回归方程,并解释回归系数的实际意义。(4)计算判定系数,并解释其意义。(5)检验回归方程线性关系的显著性( = 0.05)。(6)如果某地区的人均GDP为5000元,预测其人均消费水平。(7)求人均GDP为5000元时,人均消费水平95%的置信区间和预测区间。解:(1)利用Excel绘制的散点图如下:从散点图来看,人均消费水平与人均GDP之间存在很强的正线性相关关系。(2)r = 0.998,高度相关。(3)用OLS方法估计得到模型参数为= 734.69,= 0.308,回归方程为:人均消费水平 = 734.69 + 0.308*人均GDP,意义为:人均GDP每增加1元,人均消
8、费水平增加0.31元,此值即为经济学中的边际消费倾向。这里截距可解释为人均GDP为0时,居民的消费支出为734元/年,即经济学中的自发支出。(4)判定系数R2 = 0.996,人均消费水平变异的99%可由人均GDP来解释。(5)这是一个一元线性回归模型,只需要检验斜率系数的显著性即可。斜率系数的t统计量 ,显著性水平为0.05,自由度为7-2=5,临界值为3.16,统计量远大于临界值,是高度显著的。(6)将人均GDP代入到估计的回归方程,计算得到人均消费水平的期望值为2278元。(7)查表得,点估计值为2278元,标准误差为247.3035,人均消费水平95%的置信区间为 即(1990.73,
9、2565.27)。而人均消费水平95%的预测区间为即区间(1580.79,2975.21),对个别值的预测精确度比对总体均值的预测低。11.7 随机抽取10家航空公司,对其最近一年的航班正点率和顾客投诉次数进行了调查,所得数据如下:航空公司编号航班正点率(%)投诉次数(次)181.821276.658376.685475.768573.874672.293771.272870.8122991.4181068.5125要求:(1)绘制散点图,说明二者之间的关系形态。(2)用航班正点率左自变量,顾客投诉次数左因变量,求出估计的回归方程,并解释回归系数的意义。(3)检验回归系数的限制性(=0.05)
10、。(4)如果航班正点率为80%,估计顾客投诉次数。(5)求航班正点率为80%时,顾客投诉次数95%的置信区间和预测区间。解:(1)散点图如下。从散点图的形态来看,航班正点率与顾客投诉次数之间有负的线性相关关系。(2)用Excel回归分析,得到估计的回归方程如下: 斜率系数为-4.70062,表示航班正点率提高1个百分点,顾客投诉次数减少4.7次。符号为负,与理论相符。截距系数一般不赋予意义。(3)一元回归只要检验斜率系数的显著性即可。斜率西数的t统计量为相应的P值为0.001108,小于0.05,t统计量是显著的。(4)由估计的回归方程,得到果航班正点率为80%,估计顾客投诉次数为430.18
11、92 - 4.70062*80 = 54.1396(次)(5)查表得,点估计值为54.1396元,标准误差为18.887,故置信区间为 即区间(37.6597,70.61949)。而预测区间为即区间(7.57204,100.7071)11.8 下面是20个城市写字楼由出租率和每平方米月租金的数据。地区编号出租率(%)每平方米月租金(元)170.6 99269.8 74373.4 83467.1 70570.1 84668.7 65763.4 67873.5 105971.4 951080.7 1071171.2 861262.0 661378.7 1061469.5 701568.7 8116
12、69.5 751767.7 821868.4 941972.0 922067.9 76设月租金为自变量,出租率为因变量,用Excel进行回归,并对结果进行解释和分析。解:回归分析结果如下:SUMMARY OUTPUT回归统计Multiple R0.79508R Square0.632151Adjusted R Square0.611715标准误差2.685819观测值20方差分析dfSSMSFSignificance F回归分析1223.1403223.140330.933182.8E-05残差18129.84527.213622总计19352.9855Coefficients标准误差t St
13、atP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept49.317683.80501612.961231.45E-1041.3236457.3117241.3236457.31172X Variable 10.2492230.044815.5617612.8E-050.155080.3433650.155080.343365结果分析如下:(1)斜率系数的t统计量在95%的显著性水平下是高度显著的,斜率系数等于0.2492,表示每平方米月租金提高1元,出租率将提高0.2492个百分点。(2)判断系数R2等于6321,表示出租率的变异可由月租金解释
14、63.21%。判断系数不算很高,可能还有其它的变量影响出租率。11.9 某汽车生产商欲了解广告费用(x)对销售量(y)的影响,收集了过去12年的有关数据。通过计算得到下面的有关结果:方差分析表变差来源dfSSMSFSignificance F回归2.17E-09残差40158.07总计111642866.67参数估计表Coefficients标准误差t Stat.P-valueIntercept363.689162.455295.8231910.000168X Variable 11.4202110.07109119.977492.17E-09要求:(1)完成上面的方差分析表。(2)汽车销售量
15、的变差中有多少是由广告费用的变动引起的?(3)销售量与广告费用之间的相关系数是多少?(4)写出估计的回归方程并解释回归系数的实际意义。(5)检验线性关系的显著性(=0.05)。解:(1)此为一元线性回归,由自由度可知,样本容量n = (11+1)=12。由此可计算各自由度和SS。进而计算各均方误,最后计算出F统计量(MSR/MSE)。结果如下:方差分析表变差来源dfSSMSFSignificance F回归11602708.61602708.6199.12.17E-09残差1040158.074015.807总计111642866.67(2)计算判断系数, 表明销售量的变异有97.55%是由广告费用的变东引起的。(3)一元线性回归模型中,相关系数等于判断系数的平方根,即0.9877。(4)根据估计得到的模型参数,回归方程如下: 表示广告费用增加1单位,销售量将平均增加1.42单位。(5)由参数估计表可知,斜率系数的t统计量等于19.97749,这是一个在显著性水平0.05下高度显著的统计量。11.10 根据下面的数据建立回归方程,计算残差,判断系数R2,估计标准误差se,并分析回归方程的拟合优度。xy154783619561244521
copyright@ 2008-2023 冰点文库 网站版权所有
经营许可证编号:鄂ICP备19020893号-2