数理统计第一次大作业
湖北省地区生产总值的回归分析
学院：材料科学与工程学院
姓名：
学号：
手机：
日期：2012年11月24日
摘要：通过SPSS软件的使用，利用逐步线形回归的方法建立了湖北省地区生产总值的回归模型。在本论文所选择的因素中，影响湖北省地区生产总值的主要因素为第一产业、第二产业、工业、建筑业、金融业、房地产业。
关键词：地区生产总值逐步线形回归回归模型
一、引言：
地区生产总值是指本地区所有常住单位在一定时期内生产活动的最终成果。地区生产总值等于各产业增加值之和。分析地区生产总值时，一般考虑其可能的影响因素，包括有第一产业、第二产业、工业、建筑业、金融业、房地产业等。对于一个预测量，建立若干个都能通过检验的模型是可能的，这就需要根据实际情况进行挑选。
在线形回归模型的建立和应用的过程中，选择合适的自变量是十分重要的。如果从数学上来说，对于一个有n-1个自变量的线形回归问题，其可能的回归模型为2n-1-1 ,若对这么多的回归模型逐一进行分析、检验其所包含的自变量是否显著且无遗漏，是很不容易的。从方法上而言，有“全部比较法”、“只出不进法”、“只进不出法”及“逐步回归法”。在这些方法中，逐步回归法是最为重要也是应用最为广泛的一种。逐步回归分析的基本思想是，先对全部自变量按其对因变量的影响程度大小进行排队，从大到小变量一个一个引入，引入变量的条件是其偏回归平方和经检验是显著的。同时，每引入一个新变量，为保证所得的自变量子集中的每个变量都是显著的，随时进行检查，及时将由于引入新自变量而变得不显著者剔除[1]。此过程经过若干步直到不能再引入新变量为止。
所以，利用逐步回归法所得到的回归方程中的所有自变量对因变量都是显著的，而不在回归方程中的变量对因变量都是检验不显著的。由此可见，逐步回归方法选择变量的过程包含两个基本步骤：一是从回归方程中剔除经检验不显著的自变量；二是引入新的自变量到回归方程中。
二、数据的采集与模型的建立
2.1解决方法与模型建立
影响地区生产总值的可能因素有：第一产业、第二产业、工业、建筑业、金融业、户籍人口等。因而本论文选取了这6个影响财政收入的变量，利用逐步回归的方法建立湖北地区生产总值的回归模型。
多元线性回归模型一般形式：Y=β
0+β
1
X
1
+β
2
X
2
+…+β
k
X
k
+ε
其中，X
1，X
2
，……，X
k
代表影响因素，通常是可以控制或预先给定的，称
为解释变量或自变量；Y是所研究的对象，即预测目标，称为被解释变量或因变量；ε代表各种随机因素对y的影响的总和，称为随机误差项[2]，且服从正态分布，即ε～N(0,σ2)；β
i
称为多元线性回归模型的回归系数；k为多元线性回归模型中解释变量的个数。
若使以上线性回归分析方法达到最优，就要要求自变量X
1，X
2
… X
k
首先满足以
下两个条件：（1）在线性回归分析模型中，要包含所有对Y影响显著的自变量，消除对Y影响不显著的自变量；（2）模型包含的各自变量之间不存在多重共线性，即各自变量之间不存在线性关系或近似线性关系[3]。
在本回归模型中，我们以地区生产总值Y(亿元)为因变量, 选择自变量如下：X
1
为第一产业总产值（亿元），X
2为第二产业总产值（亿元），X
3
为工业总产值（亿
元），X
4为建筑业总产值（亿元）、X
5
为第三产业总产值（万人）、X
6
为金融业
总产值（亿元）、X
7
为户籍人口（万人）。
2.2 查找数据
据《湖北省统计局年鉴》获得2000-2011年共12年的数据[3]，见表1。
表1 2000年至2011年湖北地区生产总值相关统计数据
年份生产
总值
（亿元）第一产业
（亿元）
第二产业
（亿元）
工业
（亿元）
建筑业
（亿元）
金融业
(亿元)
户籍人口
（万人）
2000 3545.39 662.30 1437.38 1243.24 194.14 81.49 5936.0 2001 3880.53 692.17 1574.40 1360.10 214.30 88.48 5956.6
2002 4212.82 707.00 1709.90 1473.00 236.90 96.95 5978.2 2003 4757.45 798.35 1956.02 1682.16 273.86 107.31 6000.5 2004 5633.24 1020.09 2320.60 1987.50 333.10 118.85 6001.3 2005 6590.19 1082.13 2852.12 2478.66 373.46 127.32 5984.1 2006 7617.47 1140.41 3365.08 2929.19 435.89 174.99 6038.3 2007 9333.40 1378.00 4143.06 3588.00 555.06 337.27 6084.9 2008 11328.92 1780.00 5082.07 4391.24 690.84 393.05 6110.8 2009 12961.10 1795.90 6038.08 5183.68 854.40 479.11 6141.9 2010 15967.61 2147.00 7767.24 6726.53 1040.71 561.27 6176.0 2011 19632.26 2569.30 9815.94 8538.04 1277.90 674.57 6164.1
2.3 绘制散点图
画出各个自变量与因变量之间的散点图，初步分析它们之间的线性关系，把没有线性关系的自变量在逐步回归分析之前去掉，散点图如下：
图1地区总产值与影响因素的关系
从以上散点图中可以看出，地区总产值与第一产业、第二产业、户籍人口这些因素有较好的线性关系，而地区生产总值与建筑业、金融业没有线性关系，因此将其在逐步回归分析之前去除。
2.4相关系数的计算
以国民总收入为因变量，能源消费总量，普通高等学校毕业人数，货物进出口总额，全社会投资，人民币汇率，经济活动人口数为自变量，使用SPSS软件进行逐步回归法(stepwise)线性回归分析。若人为规定相关系数：r≤0.5时线性相关不明显，r≥0.6时线性相关，r≥0.95时线性相关显著。由上述线性相关矩阵可得到与图1类似的结论，财政收入与工业总产值、建筑业总产值、交通运输仓储邮电通信业、批发和零售餐饮业均线性相关显著；与农业总产值线性相关；与人口数、受灾面积基本不相关，这为下一步进行因素优选提供了参考方向。
2.4.1自变量的输入与移除
自变量的输入与移除的标准为，F 值小于等于0.05 进入模型，大于等于0.1 移出模型。
表2 输入／移去的变量
输入／移去的变量a
模型输入的变量移去的变量方法
1 第二产业. 步进（准则:
F-to-enter 的概
率<= .050，
F-to-remove 的
概率>= .100）。
2 第一产业. 步进（准则:
F-to-enter 的概
率<= .050，
F-to-remove 的
概率>= .100）。
3 户籍人口. 步进（准则:
F-to-enter 的概
率<= .050，
F-to-remove 的
概率>= .100）。
a. 因变量: 生产
2.4.2 模型概要
表3 模型汇总
表3给出了要建立模型的概要情况。其中，复相关系数(R)代表自变量或自变量的线性组合能多大程度上解释因变量，上表中3个模型的这个值分别为0.999、1.000、1.000，比较令人满意。复相关系数平方值(R 方)说明回归模型自变量的变异在因变量中所占比率，接近1 最好，表中这个值分别为0.998、0.999、1.000是很理想的。第四列为修正的复相关系数平方值(调整R 方)，由于第二列给人的一个印象是引入的变量越多，复相关系数越大，为了消除这种影响，给出修正的复相关系数平方值。估计的标准差[4](Std. Error ofthe Estimate)说明因变量还有好多不能被回归方程所解释。它也是只有相对意义，没有绝对意义。三个模型移除的变量如表4。
表4 已排除的变量
2.4.3 回归方程的显著性检验
用方差分析法对四个模型进行显著性检验，结果如下：
表5 方差分析表
该方差分析表给出了每个回归方程的回归平方和、残差平方和、总偏差平方和及相应的自由度，并给出了每个方程的自由度和显著性系数。经计算可得，三个回归方程的模型都是高度显著的。
2.5 回归系数的确定
表6 三个模型的回归系数
在整个回归效果显著时，还需要进一步检验每一个回归系数。 对于多元回归而言，假设H 0i :b i =0,H 1i :b i ≠0,i=1,2,……m.当H 0i 成立时，t i =b i /(c ii 1/2S)~t(n-m-1),i=1,2,…,m 。所以可以用t 分布函数来检验回归系数[5]。
各步引入对回归方程影响最大的变量时，观察有关偏回归系数的变化及t 检验，如表6所示。列出了非标准化和标准化的回归系数、偏回归系数为0的假设检验的t 值、偏回归系数为0的假设检验的显著性水平值、B 的95%置信区间。可见在模型中偏回归系数的sig.值小于0.05，可以认为其回归效果高度显著。
关于未引入回归方程的两个因素，本人认为它们与湖北省地区总产值也可能有一定相关性，只是在该回归模型中，没有呈现出强烈的线性相关的关系，或者与其他因素的引入导致其影响显著性下降有关。
3、结果与讨论
通过以上分析，我们得到了三个回归模型： (1)湖北省地区总产值与第一产业的回归模型。 回归方程为：Y=1053.393+1.931X 1
(2) 湖北省地区总产值与第一产业和第二产业的回归模型。 回归方程为：Y=112.845+2.416X 1+1.373X 2
(3) 湖北省地区总产值与第一产业、第二产业和户籍人口的回归模型。 回归方程为：Y=-25716.013+1.653 X 1+1.420 X 2+4.406 X 6
由以上分析可知，建立的最优回归方程模型为模型三：Y=-25716.013+1.653 X 1+1.420 X 2+4.406 X 6
从所给的六个自变量中我们经过逐步回归得到三个对湖北省地区总产值影响较显著的自变量X 1、X 2和X 6。即第一产业、第二产业和户籍人口对地区总产值影响显著，同时剔除了其它影响因素，得到了最优的经验回归方程。
容易看出，2000年到2011年这十二年中湖北省地区生产总值的增长是明显的，这说明这一阶段我国的宏观经济政策是成功的。在本文讨论的六个影响因素中，
第一产业、第二产业、人口增长起了主要作用，并且可以在一定程度上代替其他因素的影响，而工业、建筑业、金融业的影响相对较弱。总之，湖北省的宏观经济状况是相对乐观的，随着生产总值的增长，湖北省的经济将继续保持增长，但不可忽视的是其经济结构还不够合理，第三产业的薄弱限制了地区生产总值的进一步增长。
4参考文献
[1] 薛薇. 基于SPSS的数据分析[M]. 北京：中国人民大学出版社，2005
[2]孙海燕，周梦，李卫国，冯伟. 应用数理统计. 北京：北京航空航天大学出版社，2012
[3]湖北省统计局.湖北统计年鉴[M]. 北京：中国统计出版社，2012
[4]阮桂海. SPSS实用教程. 北京：电子工业出版社，2000
[5] 现代数据分析技术.沈学桢.立信会计出版社
第5 章自变量选择与逐步回归 思考与练习参考答案 自变量选择对回归参数的估计有何影响？ 答：回归自变量的选择是建立回归模型得一个极为重要的问题。如果模型中丢 掉了重要的自变量, 出现模型的设定偏误，这样模型容易出现异方差或自相关 性，影响回归的效果；如果模型中增加了不必要的自变量, 或者数据质量很差的自变量, 不仅使得建模计算量增大, 自变量之间信息有重叠，而且得到的模型稳定性较差，影响回归模型的应用。 自变量选择对回归预测有何影响？ 答：当全模型（m元）正确采用选模型（p 元）时，我们舍弃了m-p 个自变量，回归系数的最小二乘估计是全模型相应参数的有偏估计，使得用选模型的预测是有偏的，但由于选模型的参数估计、预测残差和预测均方误差具有较小的方差， 所以全模型正确而误用选模型有利有弊。当选模型（p 元）正确采用全模型（m 元）时，全模型回归系数的最小二乘估计是相应参数的有偏估计，使得用模型的预测是有偏的，并且全模型的参数估计、预测残差和预测均方误差的方差都比选 模型的大，所以回归自变量的选择应少而精。 如果所建模型主要用于预测，应该用哪个准则来衡量回归方程的优劣？ 答：如果所建模型主要用于预测，则应使用C p 统计量达到最小的准则来衡量回 归方程的优劣。 试述前进法的思想方法。 答：前进法的基本思想方法是：首先因变量Y对全部的自变量x1,x2,...,xm 建立m个一元线性回归方程, 并计算 F 检验值，选择偏回归平方和显著的变量（F 值最大且大于临界值）进入回归方程。每一步只引入一个变量，同时建立m－1个二元线性回归方程，计算它们的 F 检验值，选择偏回归平方和显著的两变量变 量（F 值最大且大于临界值）进入回归方程。在确定引入的两个自变量以后，再 引入一个变量，建立m－2 个三元线性回归方程，计算它们的 F 检验值，选择偏
第七章 相关分析与回归分析 例1、有10个同类企业的固定资产和总产值资料如下： 根据以上资料计算(1)协方差和相关系数;(2)建立以总产值为因变量的一元线性回归方程；(3)当固定资产改变200万元时，总产值平均改变多少？(4)当固定资产为1300万元时，总产值为多少？ 解：计算表如下： （1）协方差——用以说明两指标之间的相关方向。 2 2) )((n y x xy n n y y x x xy ∑∑∑∑- = - -= σ
35.126400100 9801 6525765915610>=?-?= 计算得到的协方差为正数，说明固定资产和总产值之间存在正相关关系。 （2）相关系数用以说明两指标之间的相关方向和相关的密切程度。 ∑∑∑ ∑∑∑∑--- = ] )(][) ([2 2 2 2 y y n x x n y x xy n r 95 .0) 980110866577 10()6525566853910(9801 65257659156102 2 =-??-??-?= 计算得到的相关系数为0.95，表示两指标为高度正相关。 (3) 2 2 26525 56685391098016525765915610) (-??-?= --= ∑∑∑∑∑x x n y x xy n b 90 .014109765 126400354257562556685390 6395152576591560== --= 85 .39210 65259.010 9801=? -= -=x b y a 回归直线方程为： x y 9.085.392?+= (4)当固定资产改变200万元时，总产值平均改变多少？ x y ?=?9.0,180 2009.0|200=?=?=?x y 万元 当固定资产改变200万元时，总产值平均增加180万元。 (5)当固定资产为1300万元时，总产值为多少？ 85 .156213009.085.392|1300=?+==x y 万元 当固定资产为1300万元时，总产值为1562.85万元。 例2、试根据下列资产总值和平均每昼夜原料加工量资料计算相关系数。
应用数理统计多元线性回归分析 （第一次作业） 学院：机械工程及自动化学院 姓名： 学号： 2014年12月
逐步回归法在AMHS物流仿真结果中的应 用 摘要：本文针对自动化物料搬运系统(Automatic Material Handling System，AMHS)的仿真结果，根据逐步回归法，使用软件IBM SPSS Statistics 20，对仿真数据进行分析处理，得到多元线性回归方程，建立了工件年产量箱数与EMS数量、周转箱交换周期以及AGC物料交换服务水平之间的数学模型，并对影响年产量箱数的显著性因素进行了分析，介绍了基本假设检验的情况。 关键词：逐步回归；残差；SPSS；AMHS；物流仿真
目录 1、引言 (1) 2、逐步回归法原理 (4) 3、模型建立 (5) 3.1确定自变量和因变量 (5) 3.2分析数据准备 (6) 3.3逐步回归分析 (7) 4、结果输出及分析 (8) 4.1输入／移去的变量 (8) 4.2模型汇总 (9) 4.3方差分析 (9) 4.4回归系数 (10) 4.5已排除的变量 (11) 4.6残差统计量 (11) 4.7残差分布直方图和观测量累计概率P-P图 (12) 5、异常情况说明 (13) 5.1异方差检验 (13) 5.2残差的独立性检验 (14) 5.3多重共线性检验 (15) 6、结论 (15) 参考文献 (17)
1、引言 回归被用于研究可以测量的变量之间的关系，线性回归则被用于研究一类特殊的关系，即可用直线或多维的直线描述的关系。这一技术被用于几乎所有的研究领域，包括社会科学、物理、生物、科技、经济和人文科学。逐步回归是在剔除自变量间相互作用、相互影响的前提下，计算各个自变量x与因变量y之间的相关性，并在此基础上建立对因变量y有最大影响的变量子集的回归方程。 SPSS(Statistical Package for the Social Science社会科学统计软件包)是世界著名的统计软件之一，目前SPSS公司已将它的英文名称更改为Statistical Product and Service Solution，意为“统计产品与服务解决方案”。SPSS软件不仅具有包括数据管理、统计分析、图表分析、输出管理等在内的基本统计功能，而且用它处理正交试验设计中的数据程序简单，分析结果明了。基于以上优点，SPSS已经广泛应用于自然科学、社会科学中，其中涉及的领域包括工程技术、应用数学、经济学、商业、金融等等。 本文研究内容主要来源于“庆安集团基于物联网技术的航空柔性精益制造系统”，在庆安集团新建的320厂房建立自动化物料搬运系统（AMHS），使用生产仿真软件EM-Plant对该系统建模并仿真，设计实验因子及各水平如表1-1，则共有3*4*6=72组实验结果，如表所示。为方便描述，将各因子定义为：X1表示AGC物料交换服务水平，X2表示周转箱交换周期，X3表示EMS数量，Y表示因变量年产量箱数。本文目的就是建立年产量箱数与AGC物料交换服务水平、周转箱交换周期和EMS数量之间的关系。 表1-1三因子多水平实验方案
第6章 6.1 试举一个产生多重共线性的经济实例。 答：例如有人建立某地区粮食产量回归模型，以粮食产量为因变量Y，化肥用量为X1，水浇地面积为X2，农业投入资金为X3。由于农业投入资金X3与化肥用量X1，水浇地面积X2有很强的相关性，所以回归方程效果会很差。再例如根据某行业企业数据资料拟合此行业的生产函数时，资本投入、劳动力投入、资金投入与能源供应都与企业的生产规模有关，往往出现高度相关情况，大企业二者都大，小企业都小。 6.2多重共线性对回归参数的估计有何影响？ 答：1、完全共线性下参数估计量不存在； 2、参数估计量经济含义不合理； 3、变量的显著性检验失去意义； 4、模型的预测功能失效。 6.3 具有严重多重共线性的回归方程能不能用来做经济预测？ 答：虽然参数估计值方差的变大容易使区间预测的“区间”变大，使预测失去意义。但如果利用模型去做经济预测，只要保证自变量的相关类型在未来期中一直保持不变，即使回归模型中包含严重多重共线性的变量，也可以得到较好预测结果；否则会对经济预测产生严重的影响。 6.4多重共线性的产生于样本容量的个数n、自变量的个数p有无关系？ 答：有关系，增加样本容量不能消除模型中的多重共线性，但能适当消除多重共线性造成的后果。当自变量的个数p较大时，一般多重共线性容易发生，所以自变量应选择少而精。 6.6对第5章习题9财政收入的数据分析多重共线性，并根据多重共线性剔除变量。将所得结果与逐步回归法所得的选元结果相比较。 5.9 在研究国家财政收入时，我们把财政收入按收入形式分为：各项税收收入、企业收入、债务收入、国家能源交通重点建设收入、基本建设贷款归还收入、国家预算调节基金收入、其他收入等。为了建立国家财政收入回归模型，我们以财政收入y（亿元）为因变量，自变量如下：x1为农业增加值（亿元），x2为工业增加值（亿元），x3为建筑业增加值（亿元），x4为人口数（万人），x5为社
第十二章相关与回归分析 一、填空 1.如果两变量的相关系数为0，说明这两变量之间_____________。 2.相关关系按方向不同，可分为__________和__________。 3.相关关系按相关变量的多少，分为______和复相关。4．在数量上表现为现象依存关系的两个变量，通常称为自变量和因变量。自变量是作为（变化根据）的变量，因变量是随（自变量）的变化而发生相应变化的变量。 5．对于表现为因果关系的相关关系来说，自变量一般都是确定性变量，因变量则一般是（随机性）变量。 6．变量间的相关程度，可以用不知Y与X有关系时预测Y的全部误差E1，减去知道Y与X有关系时预测Y的联系误差E2，再将其化为比例来度量，这就是（削减误差比例）。 7．依据数理统计原理，在样本容量较大的情况下，可以作出以下两个假定：（1）实际观察值Y围绕每个估计值 c Y是 服从（）；（2）分布中围绕每个可能的 c Y值的（）是相同的。 7.已知：工资（元）倚劳动生产率（千元）的回归方程为 x y c 80 10+ =，因此，当劳动生产率每增长1千元，工资就平 均增加80 元。 8．根据资料，分析现象之间是否存在相关关系，其表现形式或类型如何，并对具有相关关系的现象之间数量变化的议案关系进行测定，即建立一个相关的数学表达式，称为（回归方程），并据以进行估计和预测。这种分析方法，通常又称为（回归分析）。 9．积差系数r是（协方差）与X和Y的标准差的乘积之比。 二、单项选择 1．欲以图形显示两变量X和Y的关系，最好创建（D ）。A 直方图 B 圆形图 C 柱形图 D 散点图2．在相关分析中，对两个变量的要求是（A ）。 A 都是随机变量 B 都不是随机变量 C 其中一个是随机变量，一个是常数 D 都是常数 3. 相关关系的种类按其涉及变量多少可分为( )。 A. 正相关和负相关 B. 单相关和复相关 C. 线性相关和非线性相关 D. 不相关、不完全相关、完全相关4．关于相关系数，下面不正确的描述是（B ）。 A当0≤ ≤r1时，表示两变量不完全相关；B当r=0时，表示两变量间无相关； C两变量之间的相关关系是单相关；D如果自变量增长引起因变量的相应增长，就形成正相关关系。 5. 当变量X按一定数量变化时，变量Y也随之近似地以固定的数量发生变化，这说明X与Y之间存在( )。 A. 正相关关系 B. 负相关关系 C. 直线相关关系 D. 曲线相关关系 6．当x按一定数额增加时，y也近似地按一定数额随之增加，那么可以说x与y之间存在（A ）关系。 A 直线正相关 B 直线负相关 C 曲线正相关 D 曲线负相关 7．评价直线相关关系的密切程度，当r在～之间时，表示（ C ）。 A 无相关 B 低度相关 C 中等相关 D 高度相关 8.两变量的相关系数为,说明( ) A.两变量不相关 B.两变量负相关 C.两变量不完全相关 D.两变量完全正相关 9．两变量的线性相关系数为0，表明两变量之间（D ）。 A 完全相关 B 无关系 C 不完全相关 D 不存在线性相关 10.兄弟两人的身高之间的关系是( )A.函数关系 B.因果关系 C.互为因果关系 D.共变关系 11．身高和体重之间的关系是（C ）。A 函数关系 B 无关系 C 共变关系 D 严格的依存关系12．下列关系中，属于正相关关系得是（A ）。
学院：__________金融学院_____________ 上课学期： ___ 2011-2012第一学期_________ 课程名称: _______ 金融计量学_____________ 指导教师：_______ _ ______________ 实验主题：_ GDP增长与三大产业关系模型____ 小组成员： 二零一一年十一月二十四日 目录
摘要 (3) 1.引言 (3) 2.提出问题 (3) 3.建立模型 (4) 4.制作散点图 (4) 5.模型参数估计 (8) 6.模型的检验 (9) 6.1.计量经济学检验 (9) 6.1.1.多重共线性检验 (9) 6.1.1.1.简单回归系数检验 (10) 6.1.1.2.找出最简单的回归形式 (10) 6.1.1.3.逐步回归法检验 (14) 6.1.2.异方差性检验 (15) 6.1.2.1.图示检验法 (16) 6.1.2.2.White检验 (16) 6.1.2.3.异方差的修正 (17) 6.1.3.随即扰动项序列相关检验 (18) 6.1.3.1.D.W.检验 (18) 6.1.3.2.拉格朗日乘数（LM）检验 (19) 6.1.3.3.序列相关性修正 (19) 6.2.经济意义检验 (20) 6.3.统计检验 (21) 6.3.1.拟合优度检验 (21) 6.3.2.方程显著性检验——F检验 (21) 6.3.3.参数显著性检验——t检验 (21) 7.结论 (22) 8.对策与建议 (23) 9.参考文献： (23)
摘要 经济发展是以GDP增长为前提的，而GDP增长与产业结构变动又有着密不可分的关系。本文采用1981年至2010年的统计数据，通过建立多元线性回归模型，运用最小二乘法，研究三大产业增长对我国GDP增长的贡献，从而得出调整产业结构对转变经济发展方式，促进我国经济可持续发展的重要性。 关键字：GDP增长；三大产业；产业结构 1.引言 GDP增长通常是指在一个较长的时间跨度上，一个国家人均产出（或人均收入）水平的持续增加。GDP增长率的高低体现了一个国家或地区在一定时期内经济总量的增长速度，也是衡量一个国家或地区总体经济实力增长速度的标志。它构成了经济发展的物质基础，而产业结构的调整与优化升级对于GDP增长乃至经济发展至关重要。 一个国家产业结构的状态及优化升级能力，是GDP发展的重要动力。十六大报告提出，推进产业结构优化升级，形成以高新技术产业为先导、基础产业和制造业为支撑、服务业全面发展的产业格局。十七大报告明确指出，推动产业结构优化升级，这是关系国民经济全局紧迫而重大的战略任务。《十二五规划纲要》又将经济结构战略性调整作为主攻方向和核心任务。产业结构优化升级对于促进我国经济全面协调可持续发展具有重要作用。 2.提出问题 我国把各种产业划分为第一产业，第二产业和第三产业。他们在整个国民经济中各自发挥着不同程度的作用。近几十年来来我国的经济已经发生了天翻地覆的变化。各大产业在整个国民经济中所占的地位和作用也在发生着相应的变化和调整。对于这种变化是否符合我国的经济发展趋势，对我国的经济影响作用是否
40、某企业上半年产品产量与单位成本资料如下： 要求：（1）计算相关系数，判断其相关方向与程度；（2）建立直线回归方程；（3）指出产量每增加1000件时，单位成本平均变动多少？ 41、某商业企业最近五年内商品销售额（X）的年平均数为421万元，标准差为30.07万元；商业利润（Y）的年平均数为113万元，标准差为15.41万元；五年内销售额与商业利润的乘积和为240170万元，各年销售额的平方和为890725万元，各年商业利润的平方和为65033万元。试据此：（1）计算商业销售额与商业利润的样本相关系数并解析其含义。（2）建立商业销售额与商业利润之间的回归方程。（3）其他条件不变时，估计当商品销售额为600万元时，商业利润可能为多少万元？ 42、对某地区随机抽取100户家庭，调查他们的月收入（X）和消费支出（Y），经过计算得到如下结果：户均月收入2100元，标准差是30元；消费支出是1200元，方差是2500元。这两个变量的相关系数是0.9。要求解答：（1）计算月收入与消费支出的变异系数，并说明哪个变量的变异程度度大。（2）建立消费支出对收入水平的回归方程，估计当月收入是2500元时的平均消费支出。（3）说明该题中的回归系数的经济含义。（4）计算判定系数，并说明判定系数在回归分析中的作用。
43、为研究产品销售额与销售利润之间的关系,某公司对所属6家企业进行了调查,设产品销售额为x (万元),销售利润为y (万元).调查资料经初步整理和计算,结果如下:： ∑x=225 ∑x2=9823 ∑y=13 ∑y2=36.7 ∑xy=593 要求:(1)计算销售额与销售利润之间的相关系数； (2)配合销售利润对销售额的直线回归方程。
应用数理统计大作业1——逐步回归法分析终 -标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
应用数理统计多元线性回归分析 （第一次作业） 学院：机械工程及自动化学院 姓名： 学号： 2014年12月
逐步回归法在AMHS物流仿真结果中的应 用 摘要：本文针对自动化物料搬运系统 (Automatic Material Handling System，AMHS)的仿真结果，根据逐步回归法，使用软件IBM SPSS Statistics 20，对仿真数据进行分析处理，得到多元线性回归方程，建立了工件年产量箱数与EMS数量、周转箱交换周期以及AGC物料交换服务水平之间的数学模型，并对影响年产量箱数的显著性因素进行了分析，介绍了基本假设检验的情况。 关键词：逐步回归；残差；SPSS；AMHS；物流仿真
目录 1、引言 (1) 2、逐步回归法原理 (4) 3、模型建立 (6) 3.1确定自变量和因变量 (6) 3.2分析数据准备 (6) 3.3逐步回归分析 (7) 4、结果输出及分析 (9) 4.1输入／移去的变量 (9) 4.2模型汇总 (10) 4.3方差分析 (10) 4.4回归系数 (11) 4.5已排除的变量 (12) 4.6残差统计量 (13) 4.7残差分布直方图和观测量累计概率P-P图 (14) 5、异常情况说明 (15) 5.1异方差检验 (15) 5.2残差的独立性检验 (17) 5.3多重共线性检验 (17) 6、结论 (18) 参考文献 (20)
1、引言 回归被用于研究可以测量的变量之间的关系，线性回归则被用于研究一类特殊的关系，即可用直线或多维的直线描述的关系。这一技术被用于几乎所有的研究领域，包括社会科学、物理、生物、科技、经济和人文科学。逐步回归是在剔除自变量间相互作用、相互影响的前提下，计算各个自变量x与因变量y之间的相关性，并在此基础上建立对因变量y有最大影响的变量子集的回归方程。 SPSS(Statistical Package for the Social Science社会科学统计软件包)是世界著名的统计软件之一，目前SPSS公司已将它的英文名称更改为Statistical Product and Service Solution，意为“统计产品与服务解决方案”。SPSS软件不仅具有包括数据管理、统计分析、图表分析、输出管理等在内的基本统计功能，而且用它处理正交试验设计中的数据程序简单，分析结果明了。基于以上优点，SPSS已经广泛应用于自然科学、社会科学中，其中涉及的领域包括工程技术、应用数学、经济学、商业、金融等等。 本文研究内容主要来源于“庆安集团基于物联网技术的航空柔性精益制造系统”，在庆安集团新建的320厂房建立自动化物料搬运系统（AMHS），使用生产仿真软件EM-Plant对该系统建模并仿真，设计实验因子及各水平如表1-1，则共有3*4*6=72组实验结果，如表所示。为方便描述，将各因子定义为：X1表示AGC物料交换服务水平，X2表示周转箱交换周期，X3表示EMS数量，Y表示因变量年产量箱数。本文目的就是建立年产量箱数与AGC物料交换服务水平、周转箱交换周期和EMS数量之间的关系。
地区人均GDP/元人均消费水平/元 22460 11226 34547 4851 5444 2662 4549 7326 4490 11546 2396 2208 1608 2035 求：(1)人均GDP作自变量，人均消费水平作因变量，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)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 α=)。 (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） 可能存在线性关系。 （2）相关系数：
有很强的线性关系。 （3）回归方程：734.6930.309 y x =+ 回归系数的含义：人均GDP没增加1元，人均消费增加0.309元。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。 系数(a) 模型非标准化系数标准化系数 t 显著性B 标准误Beta 1 （常量）734.693 139.540 5.265 0.003 人均GDP（元）0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% （4） 模型汇总 模型R R 方调整R 方标准估计的误 差 1 .998a.996 .996 247.303 a. 预测变量: (常量), 人均GDP。 人均GDP对人均消费的影响达到99.6%。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。 模型摘要 模型R R 方调整的R 方估计的标准差 1 .998(a) 0.996 0.996 247.303
第六章相关与回归分析习题 一、填空题 1．现象之间的相关关系按相关的程度分为、和；按相关的形式分为和；按影响因素的多少分为和。 2．两个相关现象之间，当一个现象的数量由小变大，另一个现象的数量，这种相关称为正相关；当一个现象的数量由小变大，另一个现象的数量，这种相关称为负相关。 3．相关系数的取值围是。 4．完全相关即是关系，其相关系数为。 5．相关系数，用于反映条件下，两变量相关关系的密切程度和方向的统计指标。 6．直线相关系数等于零，说明两变量之间；直线相关系数等1，说明两变量之间；直线相关系数等于—1，说明两变量之间。 7．对现象之间变量的研究，统计是从两个方面进行的，一方面是研究变量之间关系的，这种研究称为相关关系；另一方面是研究关于自变量和因变量之间的变动关系，用数学方程式表达，称为。 8．回归方程y=a+bx中的参数a是，b是。在统计中估计待定参数的常用方法是。 9. 分析要确定哪个是自变量哪个是因变量，在这点上它与不同。 10．求两个变量之间非线性关系的回归线比较复杂，在许多情况下，非线性回归问题可以通过化成来解决。 11．用来说明回归方程代表性大小的统计分析指标是。 二、单项选择题 3．年劳动生产率z(干元)和工人工资y=10+70x，这意味着年劳动生产率每提高1千元时，工人工资平均( ) A增加70元B减少70元C增加80元D减少80元 4．若要证明两变量之间线性相关程度是高的，则计算出的相关系数应接近于( ) A+1 B 0 C 0．5 D [1] 5．回归系数和相关系数的符号是一致的，其符号均可用来判断现象( ) A线性相关还是非线性相关B正相关还是负相关 C完全相关还是不完全相关D单相关还是复相关 6．某校经济管理类的学生学习统计学的时间(x)与考试成绩(y)之间建立线性回归方程y =a+b x。经计算，方程为y c=200—0.8x，该方程参数的计算( ) c A a值是明显不对的 B b值是明显不对的 C a值和b值都是不对的 C a值和6值都是正确的 7．在线性相关的条件下，自变量的均方差为2，因变量均方差为5，而相关系数为0．8时，则其回归系数为：( ) A 8 B 0.32 C 2 D 12．5 8．进行相关分析，要求相关的两个变量( ) A都是随机的B都不是随机的C一个是随机的，一个不是随机的 D随机或不随机都可以 9．下列关系中，属于正相关关系的有( ) A合理限度，施肥量和平均单产量之间的关系 B产品产量与单位产品成本之间的关系
应用数理统计第一次大作业 学号： 姓名： 班级： 2013年12月
国家财政收入的多元线性回归模型 摘 要 本文以多元线性回归为出发点，选取我国自1990至2008年连续19年的财政收入为因变量，初步选取了7个影响因素,并利用统计软件PASW Statistics 17.0对各影响因素进行了筛选，最终确定了能反映财政收入与各因素之间关系的“最优”回归方程： 46?578.4790.1990.733y x x =++ 从而得出了结论，最后我们用2009年的数据进行了验证，得出的结果在误差范围内，表明这个模型可以正确反映影响财政收入的各因素的情况。 关键词：多元线性回归，逐步回归法，财政收入，SPSS 0符号说明 变 量 符号 财政收入 Y 工 业 X 1 农 业 X 2 受灾面积 X 3 建 筑 业 X 4 人 口 X 5 商品销售额 X 6
进出口总额X7
1 引言 中国作为世界第一大发展中国家，要实现中华民族的伟大复兴，必须把发展放在第一位。近年来，随着国家经济水平的飞速进步，人民生活水平日益提高，综合国力日渐强大。经济上的飞速发展并带动了国家财政收入的飞速增加，国家财政的状况对整个社会的发展影响巨大。政府有了强有力的财政保证才能够对全局进行把握和调控，对于整个国家和社会的健康快速发展有着重要的意义。所以对国家财政的收入状况进行研究是十分必要的。 国家财政收入的增长，宏观上必然与整个国家的经济有着必然的关系，但是具体到各个方面的影响因素又有着十分复杂的相关原因。为了研究影响国家财政收入的因素，我们就很有必要对其财政收入和影响财政收入的因素作必要的认识，如果能对他们之间的关系作一下回归，并利用我们所知道的数据建立起回归模型这对我们很有作用。而影响财政收入的因素有很多，如人口状况、引进的外资总额，第一产业的发展情况，第二产业的发展情况，第三产业的发展情况等等。本文从国家统计信息网上选取了1990-2009年这20年间的年度财政收入及主要影响因素的数据，包括工业，农业，建筑业，批发和零售贸易餐饮业，人口总数等。文中主要应用逐步回归的统计方法，对数据进行分析处理，最终得出能够反映各个因素对财政收入影响的最“优”模型。 2解决问题的方法和计算结果 2.1 样本数据的选取与整理 本文在进行统计时，查阅《中国统计年鉴2010》中收录的1990年至2009年连续20年的全国财政收入为因变量，考虑一些与能源消耗关系密切并且直观上
多元线性回归模型 一、单项选择题 1.在由30n =的一组样本估计的、包含3个解释变量的线性回归模型中，计算得多重决定系数为0.8500，则调整后的多重决定系数为（ D ） A. 0.8603 B. 0.8389 C. 0.8655 D.0.8327 2.下列样本模型中，哪一个模型通常是无效的（B ） A. i C （消费）=500+0.8 i I （收入） B. d i Q （商品需求）=10+0.8i I （收入）+0.9i P （价格） C. s i Q （商品供给）=20+0.75i P （价格） D. i Y （产出量）=0.650.6i L （劳动）0.4 i K （资本） 3.用一组有30个观测值的样本估计模型01122t t t t y b b x b x u =+++后，在0.05的显著性水 平上对1 b 的显著性作t 检验，则1 b 显著地不等于零的条件是其统计量t 大于等于（ C ） A. )30(05.0t B. ) 28(025.0t C. ) 27(025.0t D. ) 28,1(025.0F 4.模型 t t t u x b b y ++=ln ln ln 10中，1b 的实际含义是（ B ） A.x 关于y 的弹性 B. y 关于x 的弹性 C. x 关于y 的边际倾向 D. y 关于x 的边际倾向 5、在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于１，则表明模型中存在（ C ） A.异方差性 B.序列相关 C.多重共线性 D.高拟合优度 6.线性回归模型01122......t t t k kt t y b b x b x b x u =+++++ 中，检验0:0(0,1,2,...) t H b i k ==时，所用的统计量 服从( C ) A.t(n-k+1) B.t(n-k-2) C.t(n-k-1) D.t(n-k+2)
第六章 相关与回归分析 思考与练习 一、判断题 1.产品的单位成本随着产量增加而下降，这种现象属于函数关系。 答：错。应是相关关系。单位成本与产量间不存在确定的数值对应关系。 2.相关系数为0表明两个变量之间不存在任何关系。 答：.错。相关系数为零，只表明两个变量之间不存在线性关系，并不意味着两者间不存在其他类型的关系。 3.单纯依靠相关与回归分析，无法判断事物之间存在的因果关系。 答：对，因果关系的判断还有赖于实质性科学的理论分析。 4.圆的直径越大，其周长也越大，两者之间的关系属于正相关关系。 答：错。两者是精确的函数关系。 5.总体回归函数中的回归系数是常数，样本回归函数中的回归系数的估计量是随机变量。 答：对。 6.当抽取的样本不同时，对同一总体回归模型估计的结果也有所不同。 答：对。因为，估计量属于随机变量，抽取的样本不同，具体的观察值也不同，尽管使用的公式相同，估计的结果仍然不一样。 二、选择题 1.变量之间的关系按相关程度分可分为：b 、c 、d a.正相关； b. 不相关； c. 完全相关； d.不完全相关； 2.复相关系数的取值区间为：a a. 10≤≤R ； b.11≤≤-R ； c.1≤≤∞-R ； d.∞≤≤-R 1 3.修正自由度的决定系数a 、b 、d a.2 2 R R ≤； b.有时小于0 ； c. 102 ≤≤R ； d.比2 R 更适合作为衡量回归方程拟合程度的指标 4.回归预测误差的大小与下列因素有关：a 、b 、c 、d a 样本容量； b 自变量预测值与自变量样本平均数的离差 c 自变量预测误差； d 随机误差项的方差 三、问答题 1．请举一实例说明什么是单相关和偏相关？以及它们之间的差别。 答：例如夏季冷饮店冰激凌与汽水的消费量，简单地就两者之间的相关关系进行考察，就是一种单相关，考察的结果很可能存在正相关关系，即冰激凌消费越多，汽水消费也越多。然而，如果我们仔细观察，可以发现一般来说，消费者会在两者中选择一种消费，也就是两者之间事实上应该是负相关。两者之间的单相关关系出现正相关是因为背后还有天气等因素的影响，天气越热，两种冷饮的消费量都越多。如果设法将天气等因素固定不变，单纯考察冰激凌与汽水的消费量，则可能出现负相关关系。像这种假定其他影响因素不变专门考察其中两个因素之间的关系就成为偏相关。 2．讨论以下几种场合,回归方程t t t t u X X Y +++=33221βββ中回归系数的经济意义和应取的符号。 （1）Y t 为商业利润率；X 2t 为人均销售额；X 3t 为流通费用率。 （2）Y t 为粮食销售量；X 2t 为人口数；X 3t 为人均收入。
北航数理统计大作业-多元线性回归
应用数理统计多元线性回归分析 （第一次作业） 学院： 姓名： 学号： 2013年12月
交通运输业产值的多元线性回归分析 摘要：本文基于《中国统计年鉴》（2012年版）统计数据，寻找影响交通运输业发展的因素，包括工农业发展水平、能源生产水平、进出口贸易交流以及居民消费水平等，利用统计软件SPSS对各因素进行了筛选分析，采用逐步回归法得到最优多元线性回归模型，并对模型的回归显著性、拟合度以及随机误差的正态性进行了检验，最后可以利用有效的最优回归模型对将来进行预测。 关键字：多元线性回归，逐步回归，交通运输产值，工业产值，进出口总额1，引言 交通运输业指国民经济中专门从事运送货物和旅客的社会生产部门，包括铁路、公路、水运、航空等运输部门。它是国民经济的重要组成部分，是保证人们在政治、经济、文化、军事等方面联系交往的手段，也是衔接生产和消费的一个重要环节。交通运输业在现代社会的各个方面起着十分重要的作用，因此研究交通运输业发展水平与各个影响因素间的关系显得十分重要，建立有效的数学相关模型对于预测交通运输业的发展，制定相关政策方案提供依据。根据经验交通运输业的发展受到工农业发展、能源生产、进出口贸易以及居民消费水平等众因素的影响，故建立一个完整精确的数学模型在理论上基本无法实现，并且在实际运用中也没有必要，一种简单有效的方式就是寻找主要影响因素，分析其与指标变量的相关性，建立多元线性回归模型就是一种有效的方式。 变量与变量之间的关系分为确定性关系和非确定性关系，函数表达确定性关系。研究变量间的非确定性关系，构造变量间经验公式的数理统计方法称为
应用回归分析课后习题 参考答案 Document number【SA80SAB-SAA9SYT-SAATC-SA6UT-SA18】
第二章一元线性回归分析 思考与练习参考答案 一元线性回归有哪些基本假定 答：假设1、解释变量X是确定性变量，Y是随机变量； 假设2、随机误差项ε具有零均值、同方差和不序列相关性：E(ε i )=0 i=1,2, …,n Var (ε i )=2i=1,2, …,n Cov(ε i, ε j )=0 i≠j i,j= 1,2, …,n 假设3、随机误差项ε与解释变量X之间不相关： Cov(X i , ε i )=0 i=1,2, …,n 假设4、ε服从零均值、同方差、零协方差的正态分布 ε i ~N(0, 2) i=1,2, …,n 考虑过原点的线性回归模型 Y i =β 1 X i +ε i i=1,2, …,n 误差εi（i=1,2, …,n）仍满足基本假定。求β1的最小二乘估计解： 得： 证明（式），e i =0 ，e i X i=0 。 证明： ∑ ∑+ - = - = n i i i n i X Y Y Y Q 1 2 1 2 1 )) ? ?( ( )? (β β 其中： 即：e i =0 ，e i X i=0 2 1 1 1 2) ? ( )? ( i n i i n i i i e X Y Y Y Qβ ∑ ∑ = = - = - = ) ? ( 2 ?1 1 1 = - - = ? ?∑ = i i n i i e X X Y Q β β ) ( ) ( ? 1 2 1 1 ∑ ∑ = = = n i i n i i i X Y X β 01 ?? ?? i i i i i Y X e Y Y ββ =+=- 01 00 ?? Q Q ββ ?? == ??
2015年《统计学》第八章相关与回归分析习题及满分答案 一、单选题 1.相关分析研究的是（ A ） A、变量间相互关系的密切程度 B、变量之间因果关系 C、变量之间严格的相依关系 D、变量之间的线性关系 2．若变量X的值增加时，变量Y的值也增加，那么变量X和变量Y之间存在着（A ）。 A、正相关关系 B、负相关关系 C、直线相关关系 D、曲线相关关系 3．若变量X的值增加时，变量Y的值随之下降，那么变量X和变量Y之间存在着（B）。 A、正相关关系 B、负相关关系 C、直线相关关系 D、曲线相关关系 4．相关系数等于零表明两变量（B）。 A.是严格的函数关系 B.不存在相关关系 C.不存在线性相关关系 D.存在曲线线性相关关系 5．相关关系的主要特征是（B）。 A、某一现象的标志与另外的标志之间的关系是不确定的 B、某一现象的标志与另外的标志之间存在着一定的依存关系，但它们不是确定的关系 C、某一现象的标志与另外的标志之间存在着严格的依存关系 D、某一现象的标志与另外的标志之间存在着不确定的直线关系 6．时间数列自身相关是指（ C ）。
A、两变量在不同时间上的依存关系 B、两变量静态的依存关系 C、一个变量随时间不同其前后期变量值之间的依存关系 D、一个变量的数值与时间之间的依存关系 7．如果变量X和变量Y之间的相关系数为负1，说明两个变量之间（D）。 A、不存在相关关系 B、相关程度很低 C、相关程度很高 D、完全负相关 8．若物价上涨，商品的需求量愈小，则物价与商品需求量之间（C）。 A、无相关 B、存在正相关 C、存在负相关 D、无法判断是否相关 9．相关分析对资料的要求是（A）。 A.两变量均为随机的 B.两变量均不是随机的 C、自变量是随机的，因变量不是随机的 D、自变量不是随机的，因变量是随机的 10．回归分析中简单回归是指（D）。 A.时间数列自身回归 B.两个变量之间的回归 C.变量之间的线性回归 D.两个变量之间的线性回归 11.已知某工厂甲产品产量和生产成本有直线关系，在这条直线上，当产量为10 00时，其生产成本为30000元，其中不随产量变化的成本为6000元，则成本总额对产量的回归方程为（ A ） A. y=6000+24x B. y=6+0.24x C. y=24000+6x D. y=24+6000x 12.直线回归方程中，若回归系数为负，则（B） A.表明现象正相关 B.表明现象负相关
第九章spss的回归分析 1、利用习题二第4题的数据，任意选择两门课程成绩作为解释变量和被解释变量，利用SPSS 提供的绘制散点图功能进行一元线性回归分析。请绘制全部样本以及不同性别下两门课程成绩的散点图，并在图上绘制三条回归直线，其中，第一条针对全体样本，第二和第三条分别针对男生样本和女生样本，并对各回归直线的拟和效果进行评价。 选择fore和phy两门成绩做散点图 步骤：图形→旧对话框→散点图→简单散点图→定义→将phy导入X轴、将fore导入Y 轴，将sex导入设置标记→确定 图标剪辑器内点击元素菜单→选择总计拟合线→选择线性→确定→再次选择元素菜单→点击子组拟合线→选择线性→确定 分析：如上图所示，通过散点图，被解释变量y与fore有一定的线性相关关系。 2、线性回归分析与相关性回归分析的关系是怎样的？ 线性回归分析是相关性回归分析的一种，研究的是一个变量的增加或减少会不会引起另一个变量的增加或者减少。
3、为什么需要对线性回归方程进行统计检验？一般需要对哪些方面进行检验？ 线性回归方程能够较好地反映被解释变量和解释变量之间的统计关系的前提是被解释变量和解释变量之间确实存在显著的线性关系。 回归方程的显著性检验正是要检验被解释变量和解释变量之间的线性关系是否显著，用线性模型来描述他们之间的关系是否恰当。一般包括回归系数的检验，残差分析等。 4、SPSS多元线性回归分析中提供了哪几种解释变量筛选策略？ 包括向前筛选策略、向后筛选策略和逐步筛选策略。 5、先收集到若干年粮食总产量以及播种面积、使用化肥量、农业劳动人数等数据，请利用建立多元线性回归方程，分析影响粮食总产量的主要因素。数据文件名为“粮食总产量.sav”。 步骤：分析→回归→线性→粮食总产量导入因变量、其余变量导入自变量→确定 结果如图： Variables Entered/Removed b Model Variables Entered Variables Removed Method 1 农业劳动者人数(百万人), 总播种面积(万公顷), 风灾 面积比例(%), 粮食播种面 积(万公顷), 施用化肥量 (kg/公顷), 年份a . Enter a. All requested variables entered. b. Dependent Variable: 粮食总产量(y万吨) ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 2.025E9 6 3.375E8 414.944 .000a Residual 2.278E7 28 813478.405 Total 2.048E9 34 a. Predictors: (Constant), 农业劳动者人数(百万人), 总播种面积(万公顷), 风灾面积比例(%), 粮食播种面积(万公顷), 施用化肥量(kg/公顷), 年份 b. Dependent Variable: 粮食总产量(y万吨) Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta
数据模型与决策课程大作业 以我国汽油消费量为因变量，乘用车销量、城镇化率和90#汽油吨价与城镇居民人均可支配收入的比值为自变量时行回归（数据为年度时间序列数据）。试根据得到部分输出结果，回答下列问题：1）“模型汇总表”中的R方和标准估计的误差是多少 2）写出此回归分析所对应的方程； 3）将三个自变量对汽油消费量的影响程度进行说明； 4）对回归分析结果进行分析和评价，指出其中存在的问题。 1）“模型汇总表”中的R方和标准估计的误差是多少 答案：R方为^2= ；标准估计的误差为^（）= 2）写出此回归分析所对应的方程； 答案：假设汽油消费量为Y，乘用车销量为a，城镇化率为b，90#汽油吨价/城镇居民人均可支配收入为c,则回归方程为： Y=++）将三个自变量对汽油消费量的影响程度进行说明； 乘用车销量对汽油消费量相关系数只有，数值太小，几乎没有影响，但是城镇化率对汽油消费量相关系数是，具有明显正相关，当城镇化率每提高1，汽油消费量增加。乘用90#汽油吨价/城镇居民人均可支配收入相关系数为，呈明显负相关，即乘用90#汽油吨价/城镇居民人均可支配收入每增加1个单位，汽油消费量降低个单位。a, b, c三个自变量的sig值为、、，在显着性水平情形下，乘用车消费量对
汽油消费量的影响显着为正。 （4）对回归分析结果进行分析和评价，指出其中存在的问题。 在学习完本课程之后，我们可以统计方法为特征的不确定性决策、以运筹方法为特征的策略的基本原理和一般方法为基础，结合抽样、参数估计、假设分析、回归分析等知识对我国汽油消费量影响因素进行了模拟回归，并运用软件计算出回归结果，故根据回归结果，对具体回归方程，回归准确性，自变量影响展开分析。 Anova表中，sig值是t统计量对应的概率值，所以t和sig两者是等效的，sig要小于给定的显着性水平，越接近于0越好。F是检验方程显着性的统计量，是平均的回归平方和平均剩余平方和之比，越大越好。在图表中，回归模型统计值F=，p值为，因此证明回归模型有统计学意义，表现回归极显着。即因变量与三个自变量之间存在线性关系。 系数表中，除了常数项系数显着性水平大于，不影响，其它项系数都是，小于，即每个回归系数均具有意义。